La ecografía pulmonar asistida por IA supera a expertos humanos en el diagnóstico de tuberculosis

La detección temprana y el diagnóstico rápido son elementos esenciales de la "Estrategia Fin de la TB" de la Organización Mundial de la Salud (OMS). Sin embargo, muchos países con alta incidencia se enfrentan a un alto índice de abandono de pacientes en la etapa de diagnóstico debido al alto costo de los equipos de radiografía de tórax y a la escasez de radiólogos capacitados. Estos desafíos resaltan la necesidad crítica de herramientas de diagnóstico más accesibles. Ahora, un estudio pionero presentado en ESCMID Global 2025 ha revelado que una ecografía pulmonar impulsada por IA supera a los expertos humanos en un 9% en el diagnóstico de la TB pulmonar.

La suite ULTR-AI, desarrollada en la Universidad de Lausana (Lausana, Suiza), procesa imágenes obtenidas de dispositivos portátiles de ultrasonido conectados a teléfonos inteligentes. Esta tecnología ofrece una alternativa rápida, escalable y sin esputo para la detección de la tuberculosis. Los resultados superan los estándares de la OMS para el diagnóstico de tuberculosis pulmonar, lo que representa un avance importante para un triaje de la tuberculosis accesible y eficiente. La suite ULTR-AI consta de tres modelos de aprendizaje profundo: ULTR-AI predice la tuberculosis directamente a partir de imágenes de ecografía pulmonar; ULTR-AI (signs) identifica patrones ecográficos interpretados por expertos; y ULTR-AI (max) optimiza la precisión utilizando la puntuación de riesgo más alta de ambos modelos.

Realizado en un centro urbano de atención terciaria en Benín, África Occidental, el estudio involucró a 504 pacientes después de las exclusiones, con 192 (38%) casos confirmados de tuberculosis pulmonar. Entre los participantes, el 15% eran VIH positivos y el 13% tenía antecedentes de tuberculosis. Se utilizó un protocolo estandarizado de ecografía pulmonar deslizante de 14 puntos, y expertos humanos interpretaron las imágenes con base en hallazgos típicos de ecografía pulmonar. Una sola prueba molecular de esputo sirvió como estándar de referencia. Los resultados de ULTR-AI (max) demostraron una sensibilidad del 93% y una especificidad del 81% (AUROC 0,93, IC del 95% 0,92-0,95), superando los umbrales objetivo de la OMS de 90% de sensibilidad y 70% de especificidad para pruebas de triaje de tuberculosis no basadas en esputo.

"La suite ULTR-AI aprovecha algoritmos de aprendizaje profundo para interpretar ecografías pulmonares en tiempo real, lo que facilita el acceso a la herramienta para el triaje de la tuberculosis, especialmente para el personal sanitario con formación mínima en zonas rurales. Al reducir la dependencia del operador y estandarizar la prueba, esta tecnología puede ayudar a diagnosticar a los pacientes de forma más rápida y eficiente", afirmó la Dra. Véronique Suttels, autora principal del estudio. "Nuestro modelo detecta claramente hallazgos ecográficos reconocibles por humanos, como grandes consolidaciones y cambios intersticiales, pero un enfoque integral de aprendizaje profundo captura características más sutiles que escapan al ojo humano. Esperamos que esto ayude a identificar signos patológicos tempranos, como pequeñas lesiones pleurales subcentimétricas, comunes en la tuberculosis".