ARCAD Santé PLUS
许多低收入和中等收入国家正利用人工智能筛查结核病。该AI模型生成类似热力图的影像，以黄红色斑点突出显示算法检测到的结核病迹象。
上个月的一个周四上午，马里的博尼阿巴社区卫生中心正在开展结核病筛查。现场没有医生，但一位咳嗽不止的母亲在几秒钟内就得到了结果：她被确诊为结核病。
几年前，她能就近找到筛查点已是幸运。即便如此，她仍需等待一两周，将痰液样本送至实验室并等待结果返回。
区别在于：一台移动X光机和人工智能算法正在检测结核病。（若您不熟悉人工智能术语——这本质上是一个基于海量数据训练的计算机程序。）
结核病是全球头号传染病杀手，每天导致3500人死亡，年死亡人数超过120万，且数字仍在上升。应对这一流行病的主要障碍之一，是全球放射科医生短缺，而这种通常影响肺部的细菌感染依赖影像诊断。
“有些国家的放射科医生不足五名，简直是一场灾难。即便有，他们也总集中在首都，”倡导组织终止结核病伙伴关系执行主任卢奇卡·迪蒂乌博士表示。
她说，目前已有80多个低收入和中等收入国家转向人工智能进行结核病筛查。
“这具有革命性意义，”迪蒂乌说。
例如，她提到尼日利亚的游牧民族正从中受益。“你身处荒无人烟之地，周围只有牲畜、尘土别无他物，而他们正用人工智能进行X光检查。这简直难以置信，”迪蒂乌表示，其组织八年前曾是开发该技术的先驱之一。
人工智能模型还被用于乍得的难民营。“没有放射科医生，谁能查看X光片并判断‘是否有问题’？实际上，是人工智能在完成这项工作，”全球抗击艾滋病、结核病和疟疾基金执行主任彼得·桑兹说。该基金过去四年已向人工智能辅助结核病筛查投入近2亿美元。“这太出色了。”
支持者称，他们正 glimpse 未来——人工智能将加速世界在社会最难以触及的角落检测和控制疾病的能力。另一些人则呼吁谨慎，指出低收入和中等收入国家需加强监管和防护措施以保护患者。
“显著差异”
在博尼阿巴社区卫生中心，这位母亲是迪亚基特·兰辛设置的移动X光机筛查的数十人之一。他并非医生，但受过X光操作培训。他拍摄的影像直接传至电脑，人工智能模型随即分析并输出评分——基于影像与结核病特征的相似度，同时生成类似热力图的肺部影像。
“蓝色区域无异常，但一旦出现红色——红色意味着该部位有问题，”兰辛在筛查这位母亲时解释道。
他为当地非营利组织ARCAD Santé PLUS工作，带着几个背包穿梭于西非国家开展结核病筛查：背包内装有移动X光机、电脑及备用电池（以防断电）。
母亲的筛查结果出现多处红色斑点后，他立即采集痰液样本送实验室确认，并让她速回家带五名子女复检。结核病通过患者咳嗽、大笑或说话时的空气传播，在家庭中极易传染。
几乎瞬间，人工智能显示：她的三名子女疑似患病。兰辛表示，他们很快将开始为期六个月的抗生素治疗。
“人工智能带来显著差异，”获得全球基金支持的ARCAD Santé PLUS项目官员巴西·凯塔说。他解释道，儿童常难以产生痰液样本——需从肺部深处咳出黏液。自引入人工智能筛查后，他们能快速排除X光片无结核迹象者，仅对AI模型提示风险者进行痰液检测。整合AI以来，痰液样本数量减少了约一半。
结核病引领前沿
麻省理工学院教授兼计算机科学家雷吉娜·巴齐莱多年来致力于构建检测乳腺癌和肺癌的AI模型。当斯里兰卡一家医院告知她无力购买现成结核病筛查AI模型时，她同意为其开发一款。
她去年投入工作时立刻意识到，为何结核病成为人工智能解决全球健康挑战的先锋领域。
“结核病可见——你有X光片，有标注是否患病的标签，只需训练模型，”巴齐莱说，并补充道仅用数月和不到5万美元就完成了模型。“这直截了当、成本低廉且开发迅速。”
与乳腺X光或血液检测所需设备不同，结核病X光机在资源匮乏地区广泛可用，且操作培训要求低。
迪蒂乌补充道，需求极其庞大。世界卫生组织数据显示，2023年结核病新增病例达1080万例，高于2020年的1010万例，绝大多数集中在低收入和中等收入国家。
迪蒂乌认为结核病只是起点。部分用于结核病的AI模型已能诊断其他疾病，包括肺癌、肺炎及某些心血管问题。
巴齐莱预测，在许多低收入国家，人工智能将迅速融入医疗系统，如同非洲多数地区跳过固定电话直接采用手机。
“人工智能将在发展中国家更快普及，因为他们存在严峻的未满足需求，且临床医生明白需要额外帮助，”她说，“多数技术在美国开发，但应用 elsewhere。”
她表示，像美国这样的国家因专业协会制定的诊疗指南较少整合人工智能，即使获得FDA批准也常未被广泛采用。
“发展中国家的真正挑战”
但有人呼吁技术热情勿超越警惕性。
菲律宾放射科医生埃尔温·约翰·卡皮奥近期协助菲律宾放射学院起草AI指南。他曾在该国偏远省份研究人工智能结核病筛查应用。
他表示，高收入国家已建立人工智能医疗应用的法规与防护措施。“对发展中国家而言这是真正挑战，因为技术通常免费提供给我们，但需避免问题，”他说。
例如，卡皮奥指出，若AI模型漏诊结核病——将需医疗干预者误判为健康，后果如何？
他说，英国已建立此类事件报告系统以提升患者安全；美国FDA批准AI模型时也有类似机制。但卡皮奥强调：“我国尚未出台相关法律。”
另一大担忧是模型无法提示失效或不确定病例。他表示模型可能“漂移”，即性能随时间下降。“它们静默失效，不会告知错误，”卡皮奥说，“这才是当前主要顾虑。”
兰辛在马里的筛查项目及全球基金支持项目中，通过训练模型输出复杂病例并实施外部专家持续质量控制，可缓解此问题。
但卡皮奥解释，这种质控需“一整支专家团队——不仅需要放射科医生，还需计算机科学家、数据科学家及AI工程师。”加上人工智能消耗的巨量能源，成本远非表面所见低廉。
支持者则认为，必须将AI与替代方案对比。
巴齐莱指出，医生造成的医疗错误极为普遍。全球基金的桑兹表示：“我们必须正视现实：在许多使用该技术的环境中，放射科医生极度短缺——因此总比没有好。”
桑兹引用数据称，自2021年世界卫生组织认可该技术并发布本地化校准工具包后，全球发现结核病患者的能力已大幅提升。
巴齐莱留下的核心问题：所有确诊者能否获得及时医疗？
【全文结束】
