Die Bekämpfung von Tuberkulose (TB), einer Krankheit, die jährlich Millionen von Menschen, insbesondere in Ländern mit niedrigen und mittleren Einkommen, betrifft, erhält durch die Entwicklung innovativer Technologien neuen Schwung. Ein prominentes Beispiel hierfür ist Googles bioakustisches Modell Health Acoustics Representation (HeAR), das im März 2024 eingeführt wurde. HeAR nutzt fortschrittliche Deep-Learning-Algorithmen zur Analyse umfangreicher Datensätze von Geräuschen wie Husten und Niesen, um TB-Muster zu erkennen und von anderen Atemwegserkrankungen zu unterscheiden. Die Basis dieser Technologie bilden weltweit gesammelte, öffentlich zugängliche Audio-Beispiele, die eine breite Anwendbarkeit garantieren.
Die Zusammenarbeit von Google mit Salcit Technologies, einem indischen Unternehmen, das das KI-Modell Swaasa entwickelt hat, zeigte im August 2024 vielversprechende Fortschritte. Swaasa ermöglicht es, Husten über mobile Geräte aufzuzeichnen. Diese Partnerschaft zielt darauf ab, TB-Screenings in ressourcearmen Regionen zu erleichtern und durch KI-gestützte, schnelle Erstdiagnosen zugänglicher zu machen.
Unterstützt wird dieses Vorhaben von Organisationen wie der Stop TB Partnership. Diese von den Vereinten Nationen unterstützte Gruppe hat im April 2024 ein wachsendes Interesse an der Nutzung von KI zur Klassifizierung von Husten bemerkt und existierende Softwarekartierungen wie HeAR und Swaasa AI erfasst.
Zhi Zhen Qin, ein Experte für digitale Gesundheit der Stop TB Partnership, betonte die Bedeutung von Lösungen wie HeAR als wegweisend für neue Methoden der TB-Erkennung und -Behandlung. Dennoch stehen diese KI-Modelle vor Herausforderungen wie voreingenommene Daten und einem Mangel an realweltlichen Tests. Trotz der Nutzung großer öffentlicher Datenbanken stammen diese oft aus kontrollierten Umgebungen, was zu Ungenauigkeiten führen kann.
Die traditionellen TB-Diagnosemethoden wie Labortests haben aufgrund ihrer niedrigen Genauigkeit und langen Wartezeiten Nachteile im Vergleich zu KI-basierten Lösungen, die schnelle und einfache Diagnosen bieten. Sujay Kakarmath von Google Research sieht in HeAR das Potenzial für neue Entdeckungen im Bereich akustischer Gesundheitsbiomarker. Angesichts des globalen Mangels an Radiologen könnte HeAR zudem helfen, den Druck auf knappe medizinische Ressourcen zu verringern.