KI SpotlightNewsKI-Screening auf Tuberkulose: Kosteneffektivität und hohe Genauigkeit – unbestätigt
Zwei unbestätigte Studien deuten auf Kosteneinsparungen und hohe diagnostische Genauigkeit von KI beim TB-Screening hin.
Mit KI erstellt◆ Fakten auf einen Blick
- Forscher der Ateneo de Manila University haben eine Studie zur Kosteneffektivität von KI-gestützter Röntgen-Thorax-Diagnostik für Tuberkulose-Screening in ländlichen philippinischen Gesundheitseinrichtungen veröffentlicht.
- Die Studie wurde in der August-2026-Ausgabe von BMC Health Services Research veröffentlicht; Hauptautoren sind Harold Henrison Chiu, Bryan Christopher Lao und Gloanne C. Adolor.
- Die Weltgesundheitsorganisation verzeichnete 2024 etwa 739.000 neue Tuberkulosefälle auf den Philippinen.
- Das Forschungsteam entwickelte ein entscheidungsanalytisches Modell, das eine Kohorte von 1.000 Tuberkulose-Verdachtspatienten simuliert, die über einen Zeitraum von fünf Jahren jährlich eine Röntgen-Thorax-Untersuchung erhalten.
- Das Modell berücksichtigte Softwarelizenzkosten, Betriebsausgaben, Radiologengebühren und Kosten für bestätigende GeneXpert-Tests.
- Die Prognosen zeigen, dass KI-gestützte Befundung die jährlichen Betriebsausgaben auf etwa 877.330 PHP senken würde, verglichen mit 1,14 Mio. PHP (der genaue Vergleichsbetrag ist im Beleg abgeschnitten).
Unbestätigte Studie: KI-Röntgen-Screening für TB auf den Philippinen kosteneffektiv?
Forscher der Ateneo de Manila University haben in der August-Ausgabe 2026 von BMC Health Services Research eine Studie veröffentlicht, die KI-gestützte Röntgen-Thorax-Screenings auf Tuberkulose für ländliche Gesundheitsstationen auf den Philippinen als kosteneffektiv bewertet. Das entscheidungsanalytische Modell simuliert 1.000 Verdachtspatienten über fünf Jahre. Dabei berücksichtigte es Software-Lizenzgebühren, Betriebsausgaben, Radiologenhonorare und Kosten für bestätigende GeneXpert-Tests; KI-gestützte Befundung senkt diese Kosten, weil sie die Abhängigkeit von teuren Radiologen und Teleradiologie verringert. Die Prognose: jährliche Betriebsausgaben von etwa 877.330 PHP statt 1,14 Millionen PHP. Hauptautoren sind Harold Henrison Chiu, Bryan Christopher Lao und Gloanne C. Adolor. Die Ergebnisse sind unbestätigt.
Meta-Analyse: KI-Modelle erreichen hohe Genauigkeit beim TB-Screening
Eine ebenfalls unbestätigte Meta-Analyse ermittelt für KI-Modelle beim Tuberkulose-Screening mittels Röntgen-Thorax eine gepoolte Genauigkeit von 95,0 Prozent, eine Sensitivität von 96,28 Prozent und eine Spezifität von 87,89 Prozent. Die Meta-Analyse wertete Studien zu verschiedenen KI-Ansätzen für dieses Screening aus und berechnete die gepoolten Kennzahlen mit 95-Prozent-Konfidenzintervallen. Diese Werte sind für die Praxis relevant, weil sie auf eine höhere diagnostische Leistung als bei menschlichen Befundern hindeuten. Die Modelle seien sensitiver, genauer und spezifischer als Kliniker. TBNet erwies sich als das sensitivste, genaueste und spezifischste aller untersuchten KI-Modelle.
