45秒读完一张胸片、每年筛5000万人：Google把结核AI筛查铺进非洲三国与印尼

事实报道 × 医院信息化/临床医生 ｜ 影响分析 × 医疗数据从业者 ｜ 行业观察

Google Research在10月24日的博客中详述了结核筛查AI的扩展布局。Nexus AI把Google的胸片算法转化为CE认证诊断工具，45秒内完成一张胸片筛查，已在南非、塞拉利昂、科特迪瓦约40家医疗机构运行，正扩展至刚果（金）、赞比亚与喀麦隆；迄今90多名临床医生评估了超过25000张胸片，其中一例部署在南非Mponeng金矿地下4公里。另一边，印尼卫生部正基于MedGemma与MedSigLIP在本国胸片数据上微调模型，以支撑每年筛查5000万人的国家目标，且患者数据不出境。

开场：结核筛查的最大瓶颈不是算法，是放射科医生不在场

结核的常规筛查路径依赖胸片与读片医生，而在高负担地区，缺口恰恰在后者。算法再准，也得有人把片子接进工作流里，还得有人在可疑结果之后完成确诊与治疗转介。

这次披露之所以值得看，正因为重点不在模型精度，而在部署形态：

Google Research把工作拆成了三条线——面向临床的胸部X线软件、面向本地医疗系统的开放模型，以及通过手机麦克风完成的咳嗽音频分析。三条线对应的，其实是三种完全不同的资源条件。

对放射科与医院信息化负责人来说，这是个熟悉的命题：一项AI能不能进临床，取决于它能不能嵌入已有的工作流与既有硬件，而不是取决于它在测试集上的数字。

这一次的素材恰好把这个命题的三个层次都摊开了：有读片能力但缺少医生的机构，需要的是能直接上手的工具；有本地数据与工程能力的国家，需要的是可以把模型拿回去自己调的底座；连X线设备都难以保障的场景，则只能从一部手机的麦克风开始。三条线不是三档产品，而是三条互不替代的接入方式。

三线并进：胸片软件、开放模型、咳嗽音频

把三条线拆开看，分工相当清楚：

• 胸片软件：由Nexus AI把Google的胸部X线算法包装成CE认证诊断工具，直接面向医疗机构的日常读片需求，单张筛查在45秒内完成；
• 开放模型：Google发布了用于医学影像分类的MedSigLIP，以及用于把影像与临床信息结合的MedGemma，两者都可以在本地基础设施上运行；
• 咳嗽音频：名为Health Acoustic Representations的模型分析用手机麦克风录制的咳嗽声，赞比亚、加纳等撒哈拉以南非洲的研究团队正在验证其用于结核声学分诊。

第三条线的想象空间最大，距离现实也最远。用一部手机做初筛，把设备门槛降到几乎为零；但声学特征与结核之间的关联还需要更多前瞻数据，目前仍处于研究团队的验证阶段。

45秒与40家机构：Nexus AI在非洲三国的落地账

数字先摆在这里：45秒内完成一张胸片筛查，南非、塞拉利昂、科特迪瓦三国约40家医疗机构在运行，刚果（金）、赞比亚、喀麦隆三国的扩展正在进行，迄今90多名临床医生评估了超过25000张胸片。

这里面藏着一个容易被忽略的细节——这些部署大多不在放射科，而在没有放射科的地方。

最具代表性的一处就在南非Mponeng金矿地下4公里：以便携X线设备加离线AI运行。没有稳定网络，没有读片医生，矿工在井下完成拍片与初筛——这恰恰是传统流程彻底失效的场景。

对临床工作流而言，45秒这个指标的意义不只是快：

• 筛查可以从预约制改为当日完成，减少失访；
• 结果生成点前移到拍片现场，减少读片排队与报告回传的时间损耗；
• 医生的时间被释放到阳性病例的确诊与治疗决策上，而非阴性片的例行排除。

印尼的国家实验：每年筛5000万人且数据不出境

印尼卫生部选了另一条路径：基于MedGemma与MedSigLIP，用本国胸片数据做微调，作为每年筛查5000万人这一国家目标的技术支撑，同时保证患者数据保留在境内。

从医疗数据从业者视角看，这套组合有三个可被反复复用的设计：

• 底座开放：以公开可得的模型为起点，避免从零训练的高昂成本，也让本地团队保有对模型的控制权；
• 数据在地：微调与推理都在本国完成，患者数据不出境，绕开了跨境数据流动的合规障碍；
• 语料适配：用本国人群的胸片分布调整模型，减轻训练数据与真实人群之间的分布偏移。

这套设计能否撑住每年5000万人次的吞吐量，还要看算力供给、设备密度与国家筛查体系的组织能力。这些目前还没有公开的运行数据可以佐证。

冷静观察：筛查阳性之后，确诊与治疗资源跟不跟得上

边界必须写清楚。

第一，本次披露的全部运行数字都由Google自行发布。40家医疗机构的部署规模、超过25000张胸片、90多名临床医生参与评估，均为公司口径，尚无独立第三方核实；胸片筛查工具的敏感性与特异性，在这篇博客与转载报道中都没有给出，因此无法判断它在真实人群里的假阳性负担。

第二，筛查的正样本必须有后续链路承接。AI提高的是发现速度，不是确诊能力。若一个地区缺少分子诊断、痰涂片与规范的抗结核治疗供给，筛查量越大，阳性之后的流失与失访压力就越大。这正是公共卫生项目最容易产生落差的位置。

第三，离线部署的稳定性需要长期跟踪。Mponeng金矿的便携X线加离线AI，是极端条件下跑通的成功样本，但也意味着现场缺少实时质控与远程会诊兜底。图像质量由谁把关、模型如何更新、结果怎样回传，这些问题在工程文档里通常找不到答案。

结核筛查AI已经跨过了能不能跑这一关，接下来要解决的是跑完之后会发生什么。这条链路能走多长，取决于各国卫生系统愿意向确诊与治疗端投入多少资源。

原文链接：https://www.research.google/blog/bringing-foundational-models-to-the-front-lines-of-tb-screening/
千方医数集编辑部 出品