Las directrices actuales para casos sospechosos de tuberculosis (TBC) recomiendan cultivar muestras de esputo para detectar micobacterias y examinar frotis para identificar bacilos acidorresistentes (BAAR), además de implementar las medidas de aislamiento correspondientes para prevenir la diseminación de infecciones de transmisión aérea. Se plantean como puntos negativos que los cultivos suelen demorar ≥ dos semanas y casi el 50% de los individuos con TBC muestran frotis negativos; en tanto que las pruebas de amplificación de ácidos nucleicos (NAAT) tienen mayor sensibilidad que los frotis de BAAR pero menor sensibilidad que los cultivos. Entonces, suspender las pruebas NAAT y la citología conlleva un riesgo de transmisión.

Por este motivo, es necesario reveer los estudios y evolución de pacientes sospechosos antes de suspender el aislamiento. Mediante inteligencia artificial (IA) se ha diseñado el sistema "TBorNotTB" para agilizar la interrupción del aislamiento sin comprometer la atención a de los pacientes con posible tuberculosis y resultado negativo en la prueba NAAT y frotis de BAAR. El estudio, casos/control, publicado en Infection Control and Hospital Epidemiology, pretende validar este sistema. Un panel de expertos elaboró preguntas basadas en factores de riesgo epidemiológicos, síntomas, antecedentes médicos, resultados de broncoscopía/esputo e imágenes de tórax, y las aplicaron a pacientes hospitalizados.

Resultados

Se identificaron múltiples predictores de tuberculosis:

• Las lesiones cavitarias u otros hallazgos sospechosos de tuberculosis en la radiología de tórax se asociaron fuertemente con TBC activa
• Residencia previa en un país altamente endémico de TBC fue el factor de riesgo epidemiológico más importante
• Un resultado positivo en la prueba de liberación de interferón-γ (IGRA) fue un predictor fuerte de TBC activa. Una prueba cutánea de IGRA o tubulina negativa en el último mes se asoció negativamente con TBC
• Antecedentes de condiciones que elevarían el riesgo de tuberculosis no se asociaron con la enfermedad
• La pérdida de peso fue el único síntoma tradicional predictor TBC activa
• Una marcada mejoría o resolución de los síntomas con el tratamientos para diagnósticos alternativos se asoció muy negativamente con TBC
• No hubo diferencias en el rendimiento del modelo TBCornotTBC entre pacientes evaluados antes y después de COVID-19
• Se estima que podrían ahorrarse más de 40 horas/persona/año del staff dedicado a la prevención y el control de pacientes sospechosos de TBC

Comentarios finales y conclusión

Los autores comunican que este modelo mostró una alta sensibilidad de (100%), especificidad modesta (27%). Los autores concluyen que TBorNotTB es una herramienta, impulsada por IA, que agiliza la evaluación diagnóstica de pacientes con sospecha de tuberculosis, en entornos de baja prevalencia. Y, podría ayudar a reducir el riesgo de transmisión de enfermedad nosocomial y reducir la carga de trabajo del personal de prevención y control.

Acceso libre al artículo original

TB or not TB? Development and validation of a clinical decision support system to inform airborne isolation requirements in the evaluation of suspected tuberculosis. Dugdale CM, Zachary KC, Craig RL, et al. Infection Control & Hospital Epidemiology, 2025;46(2):1-9.  doi: 10.1017/ice.2024.214.