AI 基礎模型助攻結核病篩檢：Google Research 如何將研究成果推向實務應用

及時獲得醫療服務往往取決於地理位置：你住在哪裡、當地診所擁有什麼資源，以及專科醫生是否近在咫尺。這種差異在對抗結核病（TB）方面尤為明顯。儘管結核病可預防且可治癒，每年仍奪走超過 123 萬人的生命。

主要的瓶頸在於放射科：對於高負擔地區的人們，從居住在偏遠農村地區的居民到地下深處工作的礦工，放射科醫師稀缺，且影像基礎設施往往需要數天才能到達。因此，數百萬活躍病例未被發現，導致疾病持續傳播。

過去幾年，Google Research 和 Google for Health 的團隊一直致力於改變這種狀況：從建立在現有醫學影像工作基礎上的 AI 工具，用於識別疑似結核病患者進行後續檢測，到前瞻性臨床試驗、與當地合作夥伴取得監管許可，最終推出像 MedGemma 這樣的開放基礎模型，賦能全球公共衛生系統。

本週在華盛頓特區舉行的 IDWeek 2026 會議上，我們將分享如何將健康 AI 研究付諸實現，以及基礎模型如何在全球範圍內普及結核病篩檢。

我們的工作始於一個基本問題：AI 工具能否以專家放射科醫師的準確度，解讀胸部 X 光片（CXR）用於結核病篩檢？胸部 X 光片是肺部篩檢的一線影像模式，但檢測結核病的細微跡象，例如肺尖浸潤（肺部頂部的積液）和空洞性病變（組織損傷），需要專業知識，而這些知識在農村診所很少見。

2019 年，我們在《Radiology》期刊上發表了一項基準研究，證明深度學習演算法能夠以與經驗豐富的放射科醫師相匹配的性能水平，檢測活動性肺結核。然而，實際應用需要獨立驗證。

2021 年 8 月，Stop TB Partnership 在《The Lancet Digital Health》上評估了多種患者群體的自動電腦輔助檢測（CAD）軟體，將我們的模型評為全球表現最佳的結核病篩檢演算法之一。同年，WHO 也推薦 CAD 用於結核病篩檢和分流。

2024 年 9 月，我們在《NEJM AI》中詳細介紹了一項前瞻性、多中心驗證，證明 AI 輔助篩檢在不同患者群體中保持高靈敏度（最大限度地減少漏診），同時也能可靠地檢測其他偶發的肺部和心臟異常。

在醫學 AI 領域，發表論文僅僅是個開始。在演算法模型和值得信賴的臨床工具之間存在著「轉化鴻溝」：這包括讓軟體在各種 X 光機和離線環境中可靠運行、將其整合到臨床工作流程中，並符合醫療設備法規。

考慮到這一點，我們與位於普利托利亞的醫療科技公司 Nexus AI 合作，他們將我們的胸部 X 光演算法轉化為經過認證的臨床診斷工具。應對監管環境需要廣泛的審核：

CE MDR Class IIb 認證：根據歐盟醫療設備法規（EU MDR 2017/745），Nexus AI 獲得了 Class IIb 認證，這是一項嚴格的指定，根據前瞻性臨床評估，驗證該工具對實際患者護理是安全的。

品質標準：Nexus AI 獲得了醫療設備品質管理 ISO 13485 的認證。全球准入：Nexus AI 與 FIND 簽署了一項協議，以尋求世界衛生組織預審（WHO PQ），這對於透過全球機構進行國際採購至關重要，同時也正在朝著美國 FDA 批准的方向努力。

如今，Nexus Intelligence 正在最迫切需要診斷服務的地區積極部署這項技術。

在南非、獅子山和象牙海岸等六個國家，並正在剛果民主共和國、尚比亞和喀麥隆擴展，Nexus AI 的工具已在約 40 個醫療機構中運行。迄今為止，已有超過 90 名臨床醫生評估了超過 25,000 張胸部 X 光片，將周轉時間從數週縮短到 45 秒以內，加速了快速分流，同時賦能醫療專業人員做出最終的臨床決策。

我們的合作致力於健康公平：Nexus AI 已為資源不足的公共診所提供了超過 3,000 次免費篩檢，並正朝著每年贊助 10,000 次篩檢的目標邁進。

或許沒有任何部署能比在南非 Mponeng 金礦（世界上最深的礦井之一）所做的工作，更能說明如何將服務帶給患者。深井礦工面臨慢性二氧化矽粉塵暴露和肺部疾病風險升高。

Nexus AI 與 Stop TB Partnership、Harmony Gold Mine 和南非衛生部合作，部署了超便攜式數位 X 光套件和離線 AI 系統，深入地下四公里。礦工可在現場數秒內完成篩檢，被標記為疑似結核病者可立即轉介進行確診分子檢測。

篩檢、分流和確診檢測現在可以在單次就診中完成，將原本通常需要數週的流程大幅壓縮。

單一合作夥伴的客製化解決方案無法獨自解決全球結核病負擔。為了擴大影響力，我們從獨立部署轉向建立開放、適應性強的基礎，讓開發人員和衛生部門能夠創建符合當地需求的解決方案。

透過 Health AI Developer Foundations (HAI-DEF)，我們開源了胸部 X 光嵌入和 MedSigLIP，這是一個輕量級視覺語言模型，經過訓練以將醫學影像（如胸部 X 光片）與描述它們的臨床語言對齊。

由於 MedSigLIP 既能理解影像也能理解文字，開發人員可以使用它透過簡單的語言標籤對影像進行分類或搜尋，或者僅用一小組本地範例對其進行微調以執行特定任務。這使得當地團隊能夠在適度的區域數據集上建立專業模型，並在沒有大量計算資源的情況下達到強大的性能。

在此基礎上，我們發布了 MedGemma，一個開放權重多模態模型系列（4B 和 27B 參數配置）。MedGemma 從基本分類進階到多模態臨床推理：它綜合放射學發現與臨床病史，以自然語言回答臨床醫生查詢，並可在沒有網路連接的情況下在本地設備上運行。自推出以來，MedGemma 已在全球範圍內被下載超過 1,000 萬次。

開放模型有助於公共衛生系統建立主權解決方案，保護患者隱私。在東南亞，印尼衛生部正以雄心勃勃的目標應對全球第二高的結核病負擔：每年篩檢 5,000 萬公民以根除該疾病。

手動審查 5,000 萬張 X 光片是不可行的，而專有雲端軟體則帶來數據駐留挑戰。相反，印尼衛生部正在國內胸部 X 光片上微調 MedGemma 和 MedSigLIP。

由於模型在本地基礎設施上運行，患者數據保留在國家境內，賦予衛生領導者對臨床部署的完全主權。

認識到影像設備無法到達每個偏遠的衛生站，Google Research 也開發了 Health Acoustic Representations (HeAR)。HeAR 經過超過 3 億個音訊片段的訓練，能夠透過標準智慧型手機麥克風錄製的咳嗽聲音，進行非侵入式聲學篩檢。

HeAR 正透過與 CIDRZ（尚比亞）、Aurum Institute（迦納，由 Google.org 25 萬美元補助支持）以及 HELINA 150 萬美元區域合作計畫在撒哈拉以南非洲進行合作研究。

聲學分流（HeAR）、行動 X 光篩檢（HAI-DEF）和多模態臨床推理（MedGemma）共同為服務不足的社區提供了一套整合的診斷工具。

從實驗室演算法到在六個國家診所使用的 CE 認證工具的旅程，向我們展示了將研究轉化為實際影響所需的要素：嚴謹的科學、開放的開發者平台和專注的在地合作夥伴關係。

由於我們的合作夥伴最了解他們的社區，他們現在正在將這項工作推向更遠。Nexus AI 正在擴展到新的國家，印尼正在將結核病篩檢整合到其國家計畫中，而 CIDRZ、Aurum Institute 和 HELINA 正在為基於咳嗽的分流建立臨床證據。

我們的角色是幫助他們配備開放模型、基礎研究和持續支持，以便更多結核病患者能及早診斷和治療。在 IDWeek 2026，我們期待與傳染病和公共衛生社區建立聯繫，共同努力擴大公平的醫療服務。

我們感謝 Nexus AI、Stop TB Partnership、UNOPS、CIDRZ、Aurum Institute、HELINA、Harmony Gold Mine、南非衛生部和印尼衛生部的合作夥伴，感謝他們在臨床領導和全球健康公平方面的奉獻。