L'IA può identificare la tubercolosi da registrazioni audio di tosse con maggiore accuratezza rispetto ai clinici umani ?

La tubercolosi rimane uno dei principali killer infettivi a livello mondiale, con la diagnosi precoce fondamentale per il successo del trattamento. I suoni della tosse contengono firme acustiche uniche delle condizioni respiratorie. Si stanno sviluppando modelli di intelligenza artificiale per analizzare le registrazioni di tosse alla ricerca di specifici biomarcatori dell'infezione tubercolare. Questi sistemi potrebbero consentire screening remoti e a basso costo in contesti con risorse limitate. Tali strumenti devono essere rigorosamente validati su popolazioni diverse per garantirne l'affidabilità.

Studi recenti indicano che l'intelligenza artificiale può identificare la tubercolosi dalle registrazioni audio della tosse con un'accuratezza paragonabile o superiore a quella dei clinici formati, in particolare in contesti con poche risorse. Ad esempio, ricerche che utilizzano reti neurali convoluzionali e transfer learning su dataset di tosse crowdsourced hanno riportato sensibilità e specificità intorno al 90–95% nel rilevare biomarcatori acustici specifici della TB. Tuttavia, questi sistemi spesso dipendono da registrazioni di alta qualità e possono avere difficoltà con fattori confondenti come rumori di fondo o condizioni respiratorie concomitanti. L'implementazione in ambienti clinici reali rimane limitata e la validazione normativa è ancora in corso.

— Enriched 12 maggio 2026 · Fonte: Organizzazione Mondiale della Sanità — https://www.who.int/publications/i/item/9789240079242