На Union World Conference on Lung Health в Копенгагене (18–21 ноября) были представлены четыре новых AI‑инструмента для диагностики и мониторинга туберкулёза. По данным ВОЗ, туберкулёз оставался самой смертоносной инфекционной болезнью в мире и вызвал около 1.25 миллиона смертей в 2024 году. На конференции обсуждали, как быстрые, дешёвые и портативные решения могут улучшить доступ к диагностике в уязвимых сообществах.
Первый проект — система анализа выдоха («breathomics») от Southern University of Science and Technology и Shenzhen Third People’s Hospital. Исследователи использовали AveloMask и собрали образцы примерно у 60 пациентов в Южной Африке. Пульмонолог Liang Fu отметил, что неинвазивный тест в сочетании с машинным обучением способен отслеживать восстановление и рано показывать, что пациент идёт на поправку; это может сократить сроки лечения, повысить приверженность терапии и снизить затраты.
Второй инструмент — платформа анализа кашля Swaasa, разработанная командами из All India Institute of Medical Sciences, Jawaharlal Institute of Postgraduate Medical Education and Research и Salcit Technologies. С помощью смартфонов записали кашель более 350 участников с симптомами; алгоритм правильно идентифицировал сопутствующие состояния в 94% случаев и предсказал риск респираторных заболеваний в 87% случаев. Rakesh Kumar считает систему пригодной для масштабного внедрения.
Третий — карта уязвимости от Wadhwani Institute for AI. Она объединила более 20 открытых наборов данных и анонимизированные данные надзора Ni‑kshay и при национальном тестировании достигла 71% точности в выявлении 20% деревень с наибольшей вероятностью скрытого туберкулёза; Aparna Chaudhary отметила, что исследование проходит рецензирование. Четвёртое — qXR от Qure.ai для рентгена грудной клетки у детей от рождения до 15 лет; это первое AI‑решение для полного возрастного диапазона, получившее европейское регуляторное разрешение. Эксперты, включая Guy Marks, говорили об «исключительном потенциале» AI, а Ketho Angami предупредил о рисках полагаться только на AI в сложных случаях и призвал к надёжным данным и обучению персонала. Многие результаты ещё проходят рецензирование, поэтому требуется дополнительная валидация и внедрение перед масштабным применением.
Сложные слова
- неинвазивный — без проникновения в тело, без повреждения кожи
- приверженность — постоянное следование назначенному лечению или режиму
- анонимизированный — удалённые личные данные без идентификаторов людейанонимизированные
- набор данных — собранная информация, используемая для анализанаборов данных
- рецензирование — проверка исследования экспертами перед публикацией
- валидация — проверка точности и надёжности метода или теста
- точность — насколько результаты близки к правильным значениямточности
Подсказка: наведите, сфокусируйтесь или нажмите на выделенные слова, чтобы увидеть краткие определения прямо во время чтения или прослушивания.
Вопросы для обсуждения
- Какие преимущества могут дать быстрые, дешёвые и портативные AI‑решения для уязвимых сообществ?
- Какие риски отметил Ketho Angami при полном полагании на AI в сложных случаях?
- Какие шаги, указанные в тексте, необходимы для надёжного масштабного внедрения этих инструментов?
Похожие статьи
Группировка учащихся, изучающих английский, и её эффект на успеваемость
Две работы изучили, как группировка учеников, изучающих английский (EL), влияет на успехи. Одна работа анализировала старшие классы Нью-Йорка, другая — эксперимент в начальной школе. Авторы советуют не применять группировку по умолчанию.
