将基础模型带到结核病筛查的最前线
2026年10月23日
Preeti Singh，技术项目经理负责人；Shravya Shetty，杰出软件工程师，Google Research
结核病仍是世界上最致命的传染病之一，每年估计夺去123万人的生命。尽管全球已投入数十年，但在负担最重的社区中，仍有太多病例未被发现。过去五年，我们一直努力改变这一轨迹，从早期的研究基准迈向可在诊疗现场调优和部署的开放基础模型。
快速链接
-
- ×
能否及时获得医疗照护，往往取决于地理位置的偶然因素：你住在哪里、当地诊所拥有什么资源，以及专科医生是否在可及范围内。
这种差距在抗击结核病（TB）的斗争中尤为突出。结核病虽然可预防、可治愈，但每年仍夺去超过123万人的生命。一个主要瓶颈是放射学：对于高负担地区的人群——从偏远农村地区的居民到在深井地下工作的矿工——放射科医生十分稀缺，影像基础设施往往需要数天才能到达。结果，数百万活动性病例未被发现，导致传播持续。
过去几年，我们横跨 Google Research 和 Google for Health 的团队一直努力改变这一轨迹：从基于 我们在医学影像领域的现有工作 构建的AI工具——用于识别疑似结核病患者以进行后续检测——推进到前瞻性临床试验、与当地合作伙伴获得监管许可，并最终推出像 MedGemma 这样的开放基础模型，赋能世界各地的公共卫生系统。本周在华盛顿特区举行的 IDWeek 2026 上，我们分享了如何将健康AI研究变为现实，以及基础模型如何在全球范围内实现结核病筛查的民主化。
证明AI工具能够解读胸部X光片
我们的工作始于一个根本性问题：AI工具能否以专家放射科医生的准确度解读 胸部X光片 （CXR）来进行结核病筛查？
胸部X光摄影是肺部筛查的一线影像手段，但检测结核病的细微征象，如 肺尖浸润 （肺上部积液）和 空洞性病变 （组织损伤），需要专业技能，而农村诊所很少具备这种能力。2019年，我们在 Radiology 上 发表了一项基准研究，证明深度学习算法能够以与经验丰富的放射科医生相当的性能水平检测活动性肺结核。
然而，现实世界的实用性需要独立验证。2021年8月， Stop TB Partnership 在 The Lancet Digital Health 上评估了 自动化计算机辅助检测（CAD）软件在多样化患者队列中的表现，将我们的模型列为 表现最佳的结核病筛查算法 在全球范围内。那一年，WHO还 推荐使用CAD 进行结核病筛查和分诊。2024年9月，在 NEJM AI上，我们详细介绍了 一项前瞻性、多站点验证 ，证明AI辅助筛查在不同患者群体中均保持高灵敏度（最大限度减少漏诊病例），同时还能可靠地检出其他偶发的肺部和心脏异常。
跨越转化鸿沟
在医疗AI领域，发表论文只是开始。在算法模型与可信赖的床旁工具之间，横亘着一道“转化鸿沟”：让软件在各种不同的X光机和离线环境中保持可靠，将其整合进临床工作流程，并满足医疗器械法规要求。
有鉴于此，我们与 Nexus AI合作，这是一家总部位于比勒陀利亚的医疗技术公司，他们将我们的胸部X光算法转化为一款获得认证的临床诊断工具。应对监管环境需要大量审计：
- CE MDR class IIb认证: 根据欧盟医疗器械法规（EU MDR 2017/745），Nexus AI获得了Class IIb认证——这是一项严格的认定，基于前瞻性临床评估验证该工具在真实患者诊疗中的安全性。
- 质量标准: Nexus AI获得了 ISO 13485 医疗器械质量管理体系的认证合规。
- 全球准入: Nexus AI与 FIND 签署协议，以争取 世界卫生组织预认证（WHO PQ）, 这对于通过全球机构进行国际采购至关重要，同时还在持续推进美国 FDA许可.
的路径。Nexus AI设备可在短短45秒内筛查胸部X光片以发现结核病等肺部疾病。
一线影响：在患者所在之处触达他们
如今，Nexus Intelligence正在诊断可及性最为迫切的地方积极部署这项技术。
在 六个国家 ——南非、塞拉利昂和科特迪瓦，并正在刚果民主共和国、赞比亚和喀麦隆扩展——Nexus AI的工具在约40家医疗机构运行。迄今为止，已有超过90名临床医生评估了逾25,000张 胸部X光片, 将周转时间从数周缩短至45秒以内，加快快速分诊，同时赋能医疗专业人员做出最终临床决策。
我们的合作致力于健康公平：Nexus AI已为资源不足的公立诊所提供了超过3,000次免费筛查，正朝着每年10,000次赞助筛查的目标推进.
在极端环境中筛查：姆波嫩金矿
或许没有哪个部署比在南非 姆波嫩金矿 ——世界上最深的矿井之一——所做的工作更能体现“在患者所在之处触达他们”。深井矿工面临慢性二氧化硅粉尘暴露和 肺部疾病风险升高. 与 遏制结核病伙伴关系, 和谐金矿, 以及 南非卫生部, Nexus AI在井下四公里处部署了超便携数字X射线套件和离线AI。矿工在現場数秒内即可完成筛查，被标记为疑似结核病的人员可立即转诊接受确诊性分子检测。筛查、分诊和确诊检测现在可以在一次就诊中完成，将通常需要数周的流程大幅压缩。
从单点解决方案到开放基础：HAI-DEF与MedGemma
与单一合作伙伴定制的解决方案无法独自应对全球结核病负担。为扩大影响，我们从孤立部署转向构建开放、可适配的基础，使开发者和卫生部能够创建针对当地需求的解决方案。
通过 健康AI开发者基础 （HAI-DEF），我们开源了我们的 胸部X光嵌入向量 和 MedSigLIP, 这是一个轻量级视觉语言模型，经过训练可将医学图像（如胸部X光片）与用于描述它们的临床语言对齐。由于MedSigLIP同时理解图像和文本，开发者可以用它通过通俗语言标签对图像进行分类或搜索，或仅用少量本地样本针对特定任务对其进行微调。这使本地团队能够在适度的区域数据集上构建专用模型，并在无需大量计算资源的情况下达到强劲性能。
在此基础上，我们发布了 MedGemma, 这是一个开放权重多模态模型系列（4B和27B参数配置）。MedGemma从基础分类进阶到多模态临床推理：它将影像学发现与临床病史综合起来，用自然语言回答临床医生的询问，并可在设备本地离线运行，无需互联网接入。自发布以来，MedGemma在全球的下载量已超过 1000万次 .
Nexus AI的应用通过整合多个模型来分析胸部X光片，突出显示与正常肺野不一致的发现，包括提示结核病的发现，以及需要进一步检查（FIR）的情况.
主权规模：支持印度尼西亚国家结核病倡议
开放模型有助于公共卫生系统构建保护患者隐私的主权解决方案。在东南亚， 印度尼西亚卫生部 正以一项雄心勃勃的目标应对全球第二高的结核病负担：每年筛查 5000万公民 , 以根除该疾病。
人工审阅 5000万张X光片 是不可行的，而专有云软件带来数据驻留挑战。因此，该部正在用国内 胸部X光片 微调 MedGemma 和 MedSigLIP. 由于模型在本地基础设施上运行，患者数据保留在国界之内，使卫生领导者对临床部署拥有完全主权。
互补筛查：使用HeAR的生物声学
认识到影像设备无法到达每一个偏远卫生站，Google Research还开发了 健康声学表征（HeAR）. 基于超过 3亿个音频片段训练，HeAR 能够利用标准智能手机 麦克风.
录制的咳嗽声进行无创声学筛查。HeAR 正通过撒哈拉以南非洲的合作研究得到应用，合作方包括 CIDRZ （赞比亚）、 Aurum Institute （加纳，由 Google.org 提供的 25 万美元资助支持）以及 HELINA的 150 万美元区域合作项目。声学分诊（HeAR）、移动 X 射线筛查（HAI-DEF）和多模态临床推理（MedGemma）共同为服务不足的人群提供了一套集成的诊断级联工具。
展望未来
从实验室算法到在六个国家诊所使用的 CE 认证工具，这一历程向我们展示了将研究转化为现实影响所需的条件：严谨的科学、开放的开发者平台和专注的本地合作伙伴关系。因为我们的合作伙伴最了解他们的社区，他们现在正在将这项工作推向更远。Nexus AI 正在扩展到新的国家，印度尼西亚正在将结核病筛查纳入其国家规划，而 CIDRZ、Aurum Institute 和 HELINA 正在为基于咳嗽的分诊构建临床证据。我们的角色是帮助他们获得开放模型、基础研究和持续支持，以便更多结核病患者能够更早得到诊断和治疗。
在 IDWeek 2026 上，我们期待与传染病和公共卫生界建立联系，共同扩大公平护理。
致谢
我们感谢我们的合作者： Nexus AI, Stop TB Partnership, UNOPS, CIDRZ, Aurum Institute, HELINA, Harmony Gold Mine, 以及 South African Department of Health, 和印度尼西亚卫生部，感谢他们的临床领导和对全球健康公平的奉献。
快速链接
-
- ×