Een nieuwe AI-gestuurde oplossing voor longechografie toont veelbelovende resultaten in de strijd tegen tuberculose (TB). Onlangs werd een studie gepresenteerd waaruit blijkt dat de ULTR-AI-suite – een deep learning-algoritme dat longbeelden analyseert – beter (+9%) presteert dan radiologen en andere menselijke experts bij het detecteren van long-TB. Het systeem biedt een snel, sputumvrij en schaalbaar alternatief voor diagnostiek, met directe impact op toegankelijkheid en efficiëntie, vooral in gebieden met beperkte middelen.
Tussen 2020 en 2023 is het aantal gevallen van tuberculose wereldwijd met bijna 5 procent gestegen. Een bijzondere ontwikkeling, aangezien in de decennia daarvoor het aantal gevallen juist afnam. Die stijging is met name te zien in landen met een hoge tuberculosedruk. Die landen kampen met een aanzienlijke uitval van patiënten in de diagnostische fase vanwege de hoge kosten van röntgenapparatuur voor longechografie en het gebrek aan radiologen.
Toegankelijke triage
De WHO benadrukt in haar ‘End TB Strategy’ het belang van vroege opsporing. De ULTR-AI-suite speelt hier slim op in met een AI-oplossing die gekoppeld is aan draagbare, smartphone-gestuurde echografieapparaten. Hierdoor kan longechografie worden ingezet als een echte point-of-care test – zonder afhankelijkheid van dure infrastructuur of specialistische kennis.
Volgens hoofdonderzoeker Dr. Véronique Suttels kan deze technologie, dankzij de directe interpretatie van beelden in de app, juist in landelijke of onderbezette zorgomgevingen het verschil maken. “De AI maakt het mogelijk om longechografie te standaardiseren en direct toe te passen, zelfs door zorgverleners met minimale training,” stelt zij. Het onderzoek werd gepresenteerd tijdens het ESCMID Global congres in Wenen.
Klinisch gevalideerd, direct inzetbaar
De studie werd uitgevoerd in een tertiair centrum in Benin, West-Afrika, met 504 deelnemers. 38 procent van hen werd positief getest op long-TB, waarbij de AI-modellen uitzonderlijke prestaties leverden:
- Sensitiviteit: 93%
- Specificiteit: 81%
- AUROC: 0,93
Deze cijfers overtreffen de WHO-streefwaarden voor sputumvrije triagetests ruimschoots. De liggen voor sensiviteit en specifiteit respectievelijk op minimaal 90 en minimaal 70 procent.
ULTR-AI bestaat uit drie modellen die verschillende aspecten van de echografiebeelden analyseren. Door hun uitkomsten slim te combineren, ontstaat een zeer robuuste voorspelling. Daarbij detecteert het model zowel klassieke TB-kenmerken als subtiele patronen die menselijke ogen kunnen missen, zoals vroege pleurale laesies.
Directe diagnostiek, snellere zorg
Een belangrijk voordeel van de technologie is de directe terugkoppeling: resultaten zijn beschikbaar terwijl de patiënt nog bij de zorgverlener is. “Dit verkleint de kans dat patiënten uitvallen in het diagnostisch traject, en versterkt de koppeling tussen diagnose en zorg,” aldus Suttels.
De AI-oplossing biedt daarmee niet alleen diagnostische meerwaarde, maar ondersteunt ook de bredere doelstellingen van de WHO End TB Strategy: snellere opsporing, snellere behandeling en betere toegang tot zorg.
Betere medicatie
Naast een snellere en toegankelijke diagnostiek is ook de ontwikkeling van nieuwe, betere, medicatie een belangrijke ontwikkeling voor het terugdringen van het aantal gevallen van tuberculose. Zo werkten onderzoekers van vier Leidse instituten enkele jaren geleden in het Leiden interdisciplinair Tuberculose Consortium (LiTBC) aan de ontwikkeling van effectievere en efficiëntere therapieën tegen tuberculose.
Ze richtten zich daarbij op het verbeteren van de zelfverdedigingsmechanismen van het lichaam en het verkrijgen van beter inzicht in immuunreacties bij tuberculose. Daarnaast ontwikkelden zij ook een sneltest voor vroege diagnose en onderzoeken ze nieuwe antibiotica, nanomedicijnen en therapieën die de zelfverdediging van geïnfecteerde cellen versterken.
