ARCAD Santé PLUS
许多中低收入国家正使用人工智能筛查肺结核。该人工智能模型生成类似热图的图像，黄色至红色区域高亮显示，表明算法检测到肺结核迹象。
上个月的一个星期四早晨，马里的博尼阿巴社区卫生中心正在进行肺结核筛查。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：她被检测出肺结核阳性。
几年前，她能就近进行筛查就算幸运了，而且仍需等待一两周，等痰液样本送至实验室并返回结果。
区别在于？一台移动X光机和人工智能算法正在检测肺结核。（如果您不熟悉人工智能术语——这本质上是一个基于大量数据训练的计算机程序。）
肺结核是全球头号传染病杀手——每天有3500人死于该病，年死亡人数超过120万。而且数字仍在上升。应对这一流行病的障碍之一是诊断这种通常影响肺部的细菌感染的放射科医生全球短缺。
“有些国家放射科医生不足五名。这简直是一场灾难。即使有，他们也总是在首都，”倡导组织“终止结核病伙伴关系”执行董事卢西卡·迪蒂乌博士说。
她说，目前已有80多个中低收入国家开始使用人工智能进行肺结核筛查。
“这具有革命性，”迪蒂乌说。
例如，她提到尼日利亚的一个游牧群体从中受益。“你身处荒无人烟之地。那里有这些人、牲畜、尘土，仅此而已。他们却在用人工智能进行X光检查。这简直难以置信，”迪蒂乌说，她的组织八年前就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。那么谁来查看X光片并说‘这里有问题吗’？实际上，人工智能可以做到，”全球抗击艾滋病、结核病和疟疾基金执行董事彼得·桑兹说。该基金在过去四年已投入近2亿美元用于人工智能辅助的肺结核筛查。“这太棒了。”
支持者表示，他们看到了未来：人工智能加速世界在一些最难触及的社会角落检测和控制疾病的能力。其他人则呼吁谨慎，称需要更多法规和保障措施来保护中低收入国家的患者。
“重大差异”
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。他不是医生，但受过X光拍摄培训。他拍摄的图像直接发送到电脑，人工智能模型读取后输出一个分数，表示该图像与肺结核相似的程度，以及一张类似热图的肺部图像。
“蓝色区域表示无异常，但看到红色时——红色意味着该部分有问题，”兰辛在为这位母亲筛查的早晨解释道。
他在当地非营利组织ARCAD Santé PLUS工作，在西非国家进行肺结核筛查，只携带几个包——移动X光机、电脑和以防断电的电池组。
母亲的筛查结果显示多处红色斑块后，他立即采集痰液样本送实验室确认。然后他让她迅速回家，带上五个孩子回来接受检查。肺结核通过活动性患者咳嗽、大笑或说话时的空气传播，极易在家庭中传染。
几乎瞬间，人工智能告知：她的三个孩子似乎患有肺结核。兰辛说，他们很快将开始为期六个月的抗生素治疗。
“使用人工智能带来了重大差异，”获得全球基金支持的ARCAD Santé PLUS项目官员巴西·凯塔说。他解释说，儿童提供痰液样本往往很困难——需要从肺部深处咳出黏液。自引入人工智能筛查以来，他们能快速排除X光片无肺结核迹象的人，仅对人工智能模型显示可能患病者进行痰液检测。自将人工智能纳入筛查后，痰液样本数量减少了约一半。
肺结核处于前沿
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人工智能模型。当斯里兰卡一家医院告诉她无力购买现成的肺结核筛查人工智能模型时，她同意为他们构建一个。
她说，过去一年投入工作后，她立即明白为什么肺结核在人工智能解决方案应对的全球健康挑战中处于前沿。
“你能‘看到’肺结核。肺结核是可视化的。你有X光片，有标签说明患者是否患病——你只需训练模型，”巴齐莱说，并补充道仅用几个月时间和不到5万美元就完成了模型。“开发起来直接、廉价、快速。”
与乳腺X光或血液检测所需的设备不同，肺结核用X光机在资源匮乏地区广泛可用。且操作培训要求不高。
此外，迪蒂乌补充说，需求巨大。世界卫生组织数据显示，2023年肺结核新发病例达1080万，高于2020年的1010万，绝大多数病例发生在中低收入国家。
迪蒂乌认为肺结核只是开始。一些用于肺结核的人工智能模型已能诊断其他疾病，包括肺癌、肺炎和某些心血管问题。
巴齐莱预测，在许多低收入国家，人工智能将很快整合到卫生系统中，类似于非洲许多地区跳过固定电话直接使用手机的方式。
“人工智能在发展中国家将更快被采用，因为他们有严重的未满足需求，且临床医生明白他们需要其他帮助，”她说。“这项技术大多在美国开发，但应用于其他地方。”
她说，像美国这样的地方将人工智能模型整合到医疗保健中较慢，因为即使获得美国食品药品监督管理局批准，它们也往往未被广泛使用或纳入专业协会制定的护理指南。
“发展中国家的真正挑战”
但一些人呼吁对技术的热情不应超越警惕。
菲律宾放射科医生厄尔文·约翰·卡皮奥最近帮助菲律宾放射学院起草人工智能指南。他研究了在该国偏远省份使用人工智能筛查肺结核的情况。
他表示，许多高收入国家已有使用人工智能的健康监管和保障措施。“这对发展中国家是一个真正挑战，因为技术通常免费提供给我们。但你想避免问题，”他说。
例如，卡皮奥说，当人工智能模型漏诊肺结核，宣称某人健康而实际上需要医疗时，会发生什么？
他说，在英国，有报告此类情况并提升患者安全的系统。美国食品药品监督管理局批准人工智能模型时也有类似情况。但在菲律宾并非如此，卡皮奥说，“在我国，我们尚未出台相关法律。”
他另一个主要担忧是模型不会告知用户其是否失效或对某个病例不确定。他说模型可能“漂移”，即性能随时间下降。“它们会无声失败。不会告诉你它们犯了错误，”卡皮奥说。“这是当前主要担忧。”
这种对人工智能错误的担忧可通过训练模型输出复杂病例，并由外部专家实施持续质量控制检查来缓解——正如马里兰辛的筛查项目和其他全球基金支持的项目所做的那样。
但卡皮奥解释说，这种质量检查需要“一个完整的专家团队”。“你不仅需要放射科医生，还需要计算机科学家、数据科学家和人工智能工程师。”加上人工智能消耗的巨大能源，这并不像看起来那样廉价简单，他说。
但倡导者认为，必须将人工智能与替代方案进行比较。
巴齐莱认为，医生造成的医疗错误非常常见。全球基金的桑兹说，“我们必须面对这样一个事实：在许多我们使用该技术的环境中，放射科医生非常非常少——因此总比没有好。”
桑兹指出，自世界卫生组织2021年认可该人工智能技术并发布工具包指导如何针对各地人群和环境校准以来，全球在发现肺结核患者方面已大幅改善。
巴齐莱说她留下的大问题是：所有被诊断出的患者都能获得医疗服务吗？
【全文结束】
