AI для діагностики гарячки після подорожі: огляд знайшов лише три придатні дослідження

Штучний інтелект часто подають як спосіб швидше розпізнавати інфекції після подорожей, однак новий огляд PLOS Digital Health знайшов лише три дослідження, що відповідали критеріям. Усі вони проводилися в лікарнях, використовували різні підходи й не продемонстрували повноцінного впровадження у звичайну практику. Великі мовні моделі на кшталт чатботів у включених роботах узагалі не оцінювали.

Чому це складна задача

Гарячка після міжнародної подорожі може бути пов’язана з малярією, денге, черевним тифом, туберкульозом та іншими захворюваннями. Лікарю потрібно поєднати маршрут, строки поїздки, контакти, симптоми, інкубаційні періоди, локальні спалахи й лабораторні тести. Помилка або затримка особливо небезпечні для станів, які швидко прогресують.

Теоретично AI може звести великий обсяг географічної та клінічної інформації й запропонувати ранжований список можливих причин. Але це має бути підтримка рішення, а не автоматична заміна огляду, аналізів і досвіду інфекціоніста.

Що знайшли автори

Дослідники переглянули MEDLINE, EMBASE, CENTRAL і Web of Science від початку індексації до 7 лютого 2025 року. Після видалення дублікатів залишилося 1 335 записів. До повнотекстової перевірки дійшли 11, але вісім відхилили через невідповідне втручання, переважно дитячі вибірки або відсутність окремого аналізу мандрівників.

Три включені роботи проводилися в Бельгії, Швеції та міжнародній мережі з центрами в Іспанії, Бельгії й Швейцарії. Середня кількість учасників становила 354, але вибірки суттєво різнилися. Усі роботи були лікарняними й охоплювали кілька сезонів.

Три різні підходи

Перша система була правиловим експертним інструментом GIDEON, який формував ранжований перелік діагнозів із імовірностями. Друга використовувала boosting-алгоритм, зокрема XGBoost, для оцінювання ризику малярії. Третя поєднувала відбір ознак Boruta й random forest, щоб за імунними маркерами допомагати відрізняти інфекції.

У контрольованих умовах усі три підходи показали обнадійливі результати за власними кінцевими показниками. Проблема в тому, що ці показники, популяції та вхідні дані не були однаковими, тому їх не можна чесно звести до єдиного рейтингу.

Чого бракує перед застосуванням

Автори не знайшли переконливої зовнішньої валідації на незалежних лікарнях і країнах, реального розгортання в клінічному потоці або тестів прийнятності для лікарів та пацієнтів. Вузька вибірка може не охоплювати нові спалахи, рідкісні маршрути, супутні захворювання чи відмінності лабораторій.

Огляд також не проводив формальної оцінки ризику систематичної помилки, бо мав формат scoping review і картував поле, а не визначав ефективність лікування. Це ще одна причина не трактувати три роботи як доказ готовності технології.

Практичний висновок

Людина з гарячкою після повернення з-за кордону не повинна покладатися на чатбот або онлайн-симптомчекер. Потрібно повідомити лікарю країни й дати подорожі, можливі укуси комах, контакт із тваринами, воду й їжу, вакцинацію та прийом профілактичних препаратів. За тяжкого стану допомогу слід шукати невідкладно.

Для розробників ключове завдання — не лише підвищити метрику моделі, а показати безпечну роботу на незалежних даних, контроль пропущених небезпечних діагнозів, зрозуміле пояснення результату й місце людини в остаточному рішенні.

Джерело: PLOS Digital Health. Автори: Bhavya Gandhi, Leo Morjaria, Imeth Illamperuma, Meha Bhatt і Andrew Kapoor. Перекладено й адаптовано українською за ліцензією CC BY 4.0.