评估计算机辅助 X 射线诊断和其他分流工具对优化 Xpert 导向的基于社区的结核病和 COVID-19 主动病例发现的影响

结核病 (TB) 现在是许多非洲国家最常见的死因。 有几个因素推动了这一点；然而，传播是这些风险因素转化为活动性结核病的机制。 在全球范围内，约 35%（几乎三分之一）的结核病病例被“遗漏”（仍未确诊或未被发现）。 在撒哈拉以南非洲，40-50% 的结核病病例负担在社区内仍未确诊，其中约 30% 的病例为显微镜涂片阳性。 这些“遗漏”的结核病病例（在初级保健水平）充当了水库，严重破坏了结核病控制。 因此，初级保健和基于社区的病例发现应该是结核病控制的重要组成部分。

然而，由于缺乏灵敏且用户友好的护理点 (POC) 诊断工具，在社区中检测病例一直受到限制。 为了解决这一未满足的需求，研究人员在 2013 年计划了一项活动计划（顺序相互关联的研究），其总体目标是优化与 Xpert 相关的基于社区的结核病主动病例发现 (ACF) 模型 (XACT)。 到 2017 年，通过 EDCTP 资助的 XACT-I 研究，研究人员通过证明基于分子 Xpert 的社区筛查可有效识别开普敦城郊“贫民窟”中缺失的结核病病例，从而解决了快速 POC 诊断的僵局城镇和哈拉雷使用带发电机的小型卡车。 然而，这种方法既无法广泛负担得起，也无法扩展。 因此，研究人员使用便携式电池供电的 Xpert Edge 推导出了一个可扩展模型，该模型安装在一辆由两名医护人员驾驶的低成本（< 美元）15,000 日产面板货车中（从而使 ACF 模型价格合理且可扩展）。 这项已完成的研究 XACT-II 筛选了 5000 多名社区参与者。 该模型运行良好，比涂片显微镜更有效。 基于这些成功，并将 XACT 概念转化为政策，Wellcome Trust 和英国 MRC 资助了 XACT-III 研究。 目前已启动的 XACT-III 是作为一个在四个撒哈拉以南非洲国家开展的多国示范项目启动的。

最近，结核病分诊检测的发展取得了快速进展，这是指通常应用于社区环境（个人社区或初级保健诊所层面）的筛查检测。 这些测试具有非常高的灵敏度 (>95%)，但具有适度的特异性 (>70%)，如 TB 特异性目标产品概况所定义的那样。 以 TB 为导向的先行分类测试是计算机辅助 X 射线诊断 (CAD)。 这需要使用支持人工智能的软件来读取数字 X 射线并在几秒钟内产生结核病的概率。 最近的数据表明，CAD 在识别潜在结核病病例方面的表现与经验丰富的放射科医生相当，从而减少了要求进行 Xpert 测试的频率，并有助于将有限的资源集中在相关病例上。 尽管这些数据看起来很有希望，但该策略在实用领域设置中的可行性尚未得到广泛测试。 还有其他几个悬而未决的问题。 CAD 与 Xpert 相结合的策略是否具有成本效益？它能否减少 Xpert 的使用而不会遗漏不可接受数量的 TB 病例？ 因此，研究人员将确定 CAD 作为分类工具的效用，以进一步优化 XACT 模型。

由 SARS-CoV-2 引起的 COVID-19 大流行席卷了结核病也很常见的非洲城郊社区。 COVID-19 和结核病的症状重叠、负担能力有限以及与这两种疾病相关的耻辱感严重限制了检测。 现在迫切需要有关 TB 和 COVID-19 联合筛查和检测可行性的数据。 这种方法的实用性（如果有的话）尚未在非洲社区进行过研究。 由于 Xpert POC TB 测试和 CAD 的 X 射线将在拟议的研究中进行，因此它提供了一个独特而容易的机会，可以在适当的时候无缝筛查这两种疾病。

其他新兴的结核病和 COVID-19 筛查技术正在迅速兴起，包括基于尿液和血液的分类测试。 XACT-19 提供了一个独特的机会，可以在务实的社区环境中收集相关样本和测试新技术。

总之，XACT-19 研究结果将对公共卫生政策和实践产生重大影响，并可能为结核病和潜在的 COVID-19 确定基于社区的 ACF 的新标准。