Comparing tuberculosis symptom screening to chest X-ray with artificial intelligence in an active case finding campaign in Northeast Nigeria
Notice bibliographique
Résumé
BACKGROUND: Ultra-portable X-ray devices with artificial intelligence (AI) are increasingly used to screen for tuberculosis (TB). Few studies have documented their performance. We aimed to evaluate the performance of chest X-ray (CXR) and symptom screening for active case finding of TB among remote populations using ultra-portable X-ray and AI. METHODS: We organized screening camps in rural northeast Nigeria, and all consenting individuals ≥ 15 years were screened for TB symptoms (cough, fever, night sweats, and weight loss) and received a CXR. We used a MinXray Impact system interpreted by AI (qXR V3), which is a wireless setup and can be run without electricity. We collected sputum samples from individuals with an qXR abnormality score of 0.30 or higher or if they reported any TB symptoms. Samples were tested with Xpert MTB/RIF. We documented the TB screening cascade and evaluated the performance of screening with different combinations of symptoms and CXR interpreted by AI. RESULTS: We screened 5297 individuals during 66 camps: 2684 (51%) were females, and 2613 (49%) were males. Using ≥ 2 weeks of cough to define presumptive TB, 1056 people (20%) would be identified. If a cough of any duration was used, the number with presumptive TB increased to 1889 (36%) and to 3083 (58%) if any of the four symptoms were used. Overall, 769 (14.5%) had abnormality scores of 0.3 or higher, and 447 (8.4%) had a score of 0.5 or higher. We collected 1021 samples for Xpert testing and detected 85 (8%) individuals with TB. Screening for prolonged cough only identified 40% of people with TB. Any symptom detected 90.6% of people with TB, but specificity was 11.4%. Using an AI abnormality score of 0.50 identified 89.4% of people with TB with a specificity of 62.8%. CONCLUSIONS: Ultra-portable CXR can be used to provide more efficient TB screening in hard-to-reach areas. Symptom screening missed large proportions of people with bacteriologically confirmed TB. Employing AI to read CXR can improve triaging when human readers are unavailable and can save expensive diagnostic testing costs.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 ».