Can Artificial Intelligence (AI) Be Used to Accurately Detect Tuberculosis (TB) from Chest X-Rays? An Evaluation of Five AI Products for TB Triaging in a High TB Burden Setting
Notice bibliographique
Résumé
Background: Artificial intelligence-powered computer aided detection (CAD) products can be trained to recognize tuberculosis (TB)-related abnormalities on chest radiographs in order to screen and triage for TB. There are a number of these products available commercially and interest in these tools in the field of TB has grown over the past few years. Methods: We evaluated five commercially available AI software products using a large dataset collected in three TB screening centers in Dhaka, Bangladesh. A total of 23,566 individuals whom visited these centers were consecutively enrolled in the study. All individuals received a CXR and an Xpert test. All CXR were read independently by a group of three Bangladeshi board-certified radiologists and five AI products: CAD4TB (v6.3.0), InferRead®DR (v2), Lunit INSIGHT for Chest Radiography (v4.9.0), JF CXR-1 (v2) and qXR (v3). Findings: All five AI products significantly outperformed the human readers. The areas under the receiver operating characteristic curves are qXR: 0·91 (95% CI:0·90-0·91), CAD4TB: 0.90 (95% CI:0·90-0·91), Lunit INSIGHT CXR: 0·89 (95% CI:0·88-0·89), InferRead®DR: 0·85 (95% CI:0·84-0·86) and JF CXR-1: 0·85 (95% CI:0·84-0·85). We also proposed a new analytical framework to evaluate tests used for screening and triaging and to inform threshold selection by consideration of both cost-effectiveness and ability to triage. Further, AI products performed differently across the subgroups of age, use cases, and prior TB history. Interpretation: These AI products can be useful screening and triage tools for active case finding in high TB-burden regions. Funding Statement: Government of Canada. Declaration of Interests: None declared. Ethics Approval Statement: All enrolled participants provided informed written consent. The study protocol was reviewed and approved by the Research Review Committee and the Ethical Review Committee at the International Centre for Diarrheal Disease Research, Bangladesh (icddr,b).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».