北卡罗来纳州的研究人员开发的一种新型AI设备承诺将彻底改变结核病（TB）的诊断，提供更快、更准确的替代方案。该设备由信息系统的高级项目经理兼研究科学家马纳斯温尼·达武里（Manaswini Davuluri）与印第安纳卫斯理大学的高级研究员兼软件工程师文卡塔·萨伊·特贾·亚尔拉加达（Venkata Sai Teja Yarlagadda）共同创建。
该设备旨在应对全球最持久的公共卫生挑战之一。结核病仍然是全球主要死因之一，每年导致超过160万人死亡，其中大多数病例发生在低收入和中等收入国家。尽管医疗保健取得了进展，但当前的诊断方法，如涂片显微镜检查和培养测试，往往速度慢且准确性不足，导致诊断延迟和疾病的持续传播。
利用卷积神经网络（CNN）算法，新设备可以快速分析胸部X光片，检测与结核病相关的异常，精确度极高。在临床测试中，该设备展示了95%的准确率、92%的敏感性和97%的特异性。这些结果远远超过了传统涂片显微镜检查的表现，后者仅提供60%-70%的敏感性。虽然培养测试更为准确，但需要数天才能得出结果，而AI设备可以在几秒钟内提供诊断。
该设备的一个关键优势在于其便携性。它可以与移动成像设备集成，特别适用于医疗设施有限的欠发达和偏远地区。这种移动性使其成为扩展高负担地区结核病筛查的宝贵工具，及时干预可以显著降低死亡率。
在临床环境中，该设备通过标记潜在的结核病病例，帮助放射科医生和临床医生优先治疗，从而减轻医务人员的工作负担，提高资源分配效率，特别是在医疗系统紧张的地区。
“我们认识到需要一种快速可靠的诊断工具来应对结核病危机，尤其是在资源有限的环境中，”达武里表示，“这一设备是使结核病筛查更加便捷和高效的一步。”
亚尔拉加达强调了AI在医疗保健领域的潜力：“通过利用AI，我们可以提高诊断准确性，并对公共健康产生重大影响，尤其是在最脆弱的地区。”
研究人员正在继续完善该设备，扩大其数据集以提高可靠性，并确保其符合最高的数据隐私和算法透明度标准。随着工作的推进，他们希望扩大设备的应用范围，最终改善全球结核病的早期检测和治疗结果。
(全文结束)
