ARCAD Santé PLUS
许多低收入和中等收入国家正在使用人工智能筛查结核病。该AI模型生成类似热力图的图像，黄色至红色高亮区域表示算法检测到结核病迹象。
上个月的一个星期四上午，马里的博尼亚巴社区卫生中心正在进行结核病筛查。现场没有医生，但一位咳嗽不止的母亲在几秒内就得到了结果：她被检测出结核病阳性。
几年前，她能就近找到筛查点已属幸运，且需等待一两周将痰液样本送至实验室才能获取结果。
如今的突破在于：移动X光机与人工智能算法实现了结核病检测。（若不熟悉AI术语——这本质上是通过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120万，且数字持续攀升。应对疫情的一大障碍是全球放射科医生短缺——这种通常影响肺部的细菌感染亟需专业影像诊断。
“有些国家放射科医生不足五人，这无异于灾难。即便有医生，他们也集中在首都。”终结结核病伙伴关系（Stop TB Partnership）执行董事卢西卡·迪蒂乌博士表示。该组织是倡导机构。
迪蒂乌称，目前80多个低收入和中等收入国家已转向AI进行结核病筛查。“这具有革命性意义。”
她举例说明，尼日利亚的游牧民族正从中受益：“你身处荒野，只有牧民、牲畜和尘土。他们却用AI进行X光检查，这不可思议。”迪蒂乌的组织八年前便是该技术的先驱开发者之一。
AI模型还应用于乍得的难民营。“没有放射科医生，谁来判断X光片是否有问题？实际上，AI完成了这项工作。”抗击艾滋病、结核病和疟疾全球基金（Global Fund）执行董事彼得·桑兹表示。该基金过去四年已向AI结核病筛查投入近2亿美元。“这太出色了。”
支持者认为，这预示着未来AI将加速社会最难触及角落的疾病检测与控制。但部分人士呼吁谨慎，强调需加强监管以保护低收入国家患者的权益。
"显著差异"
在博尼亚巴社区卫生中心，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。他虽非医生，但受过X光操作培训。拍摄的影像直接传至其电脑，AI模型随即分析并生成评分——数值反映影像呈现结核病特征的概率，同时输出类似热力图的肺部图像。
“蓝色区域表示健康，红色则意味着问题。”兰辛在筛查该母亲当日解释道。
他为当地非营利组织ARCAD Santé PLUS工作，携带简易设备（移动X光机、电脑及备用电池）在西非国家开展筛查。母亲的影像显示多处红色斑块后，他立即采集痰液样本送实验室确认，并让其速带五名子女复检——结核病通过咳嗽、大笑或说话时的飞沫传播，家庭内极易传染。
AI几乎实时判定：三名子女疑似感染结核病。兰辛表示，他们将很快开始为期六个月的抗生素治疗。
“AI带来了显著差异，”ARCAD Santé PLUS项目官员巴西·凯塔表示。该组织获全球基金支持。他解释道，儿童提供痰液样本常很困难（需深咳出肺部黏液），而AI筛查引入后，团队能快速排除X光无异常者，仅对AI提示风险者进行痰液检测。应用AI后，痰液样本量减少了约50%。
结核病引领技术前沿
作为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开发乳腺癌和肺癌的AI检测模型。当斯里兰卡某医院表示无力购买现成的结核病AI模型时，她同意为其定制。
巴齐莱称，去年投入研发时，她立刻理解为何结核病成为全球健康AI解决方案的前沿领域：“结核病可见于影像。X光片附有诊断标签（确诊或排除），只需训练模型即可。”她补充道，模型开发仅耗时数月、成本不足5万美元，“流程直接、成本低廉且开发迅速。”
相比乳腺X光或血液检测设备，结核病X光机在资源匮乏地区广泛可用，且操作培训门槛低。迪蒂乌强调需求巨大：据世卫组织数据，2023年结核病新发病例达1080万，高于2020年的1010万，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。部分现有结核病AI模型已能诊断肺癌、肺炎及某些心血管疾病。巴齐莱预测，在许多低收入国家，AI将如非洲跳过固话直接普及手机般快速融入医疗体系。
“发展中国家将更快采用AI，因其存在严重未满足需求，临床医生明白需要额外支持。”她表示，“多数技术在美国研发，但应用落地于他处。”
她指出，美国因专业协会制定的诊疗指南较少整合AI模型（即便获FDA批准），故进展较慢。
"发展中国家的真实挑战"
但部分人士警告技术热情需让位于审慎。
菲律宾放射科医生欧文·约翰·卡皮奥近期协助菲律宾放射学会起草AI指南。他曾在该国偏远省份研究AI结核病筛查应用。
卡皮奥表示，高收入国家已建立AI医疗应用的监管框架。“这对发展中国家构成真实挑战，因技术常免费提供给我们，但必须规避问题。”
例如，当AI漏诊结核病、误判健康者需医疗干预时如何处理？卡皮奥指出，英国设有此类事件报告体系以提升患者安全，美国FDA批准AI模型时亦有类似机制。但“我国尚未建立相关法律”。
另一隐忧是模型无法提示失效或存疑案例。卡皮奥解释，模型可能出现“性能漂移”——长期运行后效能衰退。“它们静默失效，不会告知错误。”他强调，“这是当前主要顾虑。”
通过训练模型转交复杂案例，并引入外部专家持续质控（如马里兰辛项目及全球基金项目所做），可缓解AI失误风险。但卡皮奥说明，此类质控需“整支专家团队：不仅需放射科医生，还需计算机科学家、数据科学家及AI工程师”。加上AI的巨大能耗，“综合成本远非表面那般低廉便捷。”
然而支持者主张，AI必须与替代方案对比评估。巴齐莱指出医生导致的医疗错误极为普遍；全球基金的桑兹则强调，“我们必须正视现实：在许多应用环境中，放射科医生极度稀缺”——因此AI筛查优于无筛查。
桑兹援引数据称，自世卫组织2021年批准该技术并发布本地化校准工具包后，全球结核病患者检出率已大幅提升。
巴齐莱最终提出的重大疑问是：“所有确诊者能否获得相应的医疗服务？”
【全文结束】
