🔥 Hot topics · KAN IKKE · Kan · § The Court · Seneste omvendinger · 📈 Tidslinje · Spørg · Ledere · 🔥 Hot topics · KAN IKKE · Kan · § The Court · Seneste omvendinger · 📈 Tidslinje · Spørg · Ledere
Stuff AI CAN'T Do

Kan AI identificere tuberkulose ud fra hostelyde med bedre nøjagtighed end menneskelige klinikere ?

Hvad mener du?

Tuberkulose forbliver en af de førende smitsomme dræbere på verdensplan, hvor tidlig diagnose er afgørende for behandlingens succes. Hostelyde indeholder akustiske signaturer, der er unikke for luftvejssygdomme. AI-modeller bliver udviklet til at analysere hosteoptagelser for specifikke biomarkører for tuberkuloseinfektion. Disse systemer kunne muliggøre fjern- og lavpris-screening i ressourcebegrænsede områder. Sådanne værktøjer skal gennemgå streng validering på forskellige befolkningsgrupper for at sikre pålidelighed.


Nylige studier indikerer, at AI kan identificere tuberkulose ud fra hostelyde med en nøjagtighed, der er sammenlignelig med eller overstiger den hos uddannede klinikere, især i ressourcefattige områder. For eksempel har forskning, der anvender konvolutionelle neurale netværk og transfer learning på crowdsourcede hostedatasæt, rapporteret sensitivitet og specificitet omkring 90–95 % ved påvisning af TB-specifikke akustiske biomarkører. Disse systemer er dog ofte afhængige af optagelser af høj kvalitet og kan have svært ved forstyrrende faktorer som baggrundsstøj eller samtidige luftvejssygdomme. Implementering i reelle kliniske miljøer er stadig begrænset, og regulatorisk validering er undervejs.

— Opdateret 12. maj 2026 · Kilde: Verdenssundhedsorganisationen — https://www.who.int/publications/i/item/9789240079242

Status senest tjekket May 15, 2026.

📰

Galleri

In the Court of AI Capability
Summary of Findings
Verdict over time
May 2026May 2026
Sitting at the Bench Filed · maj 15, 2026
— The Question Before the Court —

Kan AI identificere tuberkulose ud fra hostelyde med bedre nøjagtighed end menneskelige klinikere?

★ The Court Finds ★
▲ Upgraded from Nej
Næsten

Snævre demoer findes — men panelet var ikke enigt.

Ruling of the Bench

The jury leaned toward “Almost,” acknowledging the promise of AI models in detecting tuberculosis from cough recordings but noting their uneven performance in varied settings. While one juror declared “Yes” on the strength of controlled studies, the rest cautioned that real-world accuracy still trails behind human clinicians in diverse populations. Ruling: “The stethoscope trembles, yet the court adjourns—for now.”

— Hon. C. Babbage, Presiding
Jury Tally
1Ja
3Næsten
0Nej
Verdict Confidence
80%
The Court of AI Capability is, of course, not a real court.
But the data is real.
The Case File · Stacked History
Session I · May 2026 Nej
Case № F598 · Session II
In the Court of AI Capability

The Case File

Docket № F598 · Session II · Vol. II
I. Particulars of the Case
Question put to the courtKan AI identificere tuberkulose ud fra hostelyde med bedre nøjagtighed end menneskelige klinikere?
SessionII (2 hearing)
Convened15 maj 2026
Previously ruledNO (May '26) → ALMOST (May '26)
Presiding JudgeHon. C. Babbage
II. Cumulative Tally Across Sessions

Across 2 sessions, 7 jurors have heard this case. Combined tally: 1 YES · 3 ALMOST · 3 NO · 0 IN RESEARCH.

Note: cumulative includes older juror opinions. The current session tally above is the live verdict.

III. Verdict

By a vote of 1 — 3 — 0, the panel returns a verdict of NæSTEN, with verdict confidence of 80%. The court so orders. Verdict upgraded from prior session.

IV. Udtalelser fra dommerpanelet
Nævning I ALMOST

"AI models show promise in cough analysis"

Nævning II JA

"AI models like CoDiagnX have demonstrated superior accuracy to human clinicians in TB detection from cough audio."

Nævning III ALMOST

"AI models have shown promising results in detecting tuberculosis from cough audio, sometimes exceeding clinician accuracy in controlled studies, but not consistently across diverse, real-world populations."

Nævning IV ALMOST

"AI models show promise in cough audio analysis"

Individuelle nævningers udtalelser vises på originalengelsk for at bevare bevismæssig præcision.

C. Babbage
Presiding Judge
M. Lovelace
Clerk of the Court

Hvad publikum mener

Nej 80% · Ja 20% · Måske 0% 5 votes
Nej · 80%
Ja · 20%
33 days of activity

Diskussion

no comments

Kommentarer og billeder gennemgår admin-godkendelse før de vises offentligt.

2 jury checks · seneste for 10 timer siden
15 May 2026 4 jurors · uafklaret, kan, uafklaret, uafklaret uafklaret status ændret
12 May 2026 3 jurors · kan ikke, kan ikke, kan ikke kan ikke status ændret

Hver række er et separat jurytjek. Nævninger er AI-modeller (identiteter holdt neutrale med vilje). Status afspejler den kumulative optælling på tværs af alle tjek — hvordan juryen virker.

Flere i health

Har du en vi gik glip af?

Tilføj et udsagn til atlasset. Vi gennemgår ugentligt.