许多中低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图像，黄色至红色的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，马里的博尼阿巴社区健康中心正在进行结核病筛查。现场没有医生，但一位咳嗽不停的母亲几秒钟内就得到了结果：她结核病检测呈阳性。
几年前，她可能连附近的筛查点都难找到，即便找到也需等待一两周，待痰检样本送至实验室才能获取结果。
如今的差异在于：移动X光机和人工智能算法正在检测结核病。（若您不熟悉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，每日导致3500人死亡，年死亡人数超120万，且数字仍在上升。应对这一疫情的主要障碍之一，是全球放射科医生短缺，难以诊断这种通常影响肺部的细菌感染。
“有些国家的放射科医生不足五名，堪称灾难。即便有少数医生，他们也集中在首都，”倡导组织抗击结核病伙伴关系组织执行董事卢西卡·迪蒂乌博士表示。
她指出，目前80多个中低收入国家已转向AI进行结核病筛查。
“这具有革命性意义，”迪蒂乌说。
例如，她说尼日利亚的游牧人群正从中受益。“你身处荒无人烟之地，只有牧民、牛群和尘土。他们却能用AI进行X光检查，这简直难以置信，”迪蒂乌介绍道，其组织八年前曾率先开发该技术。
AI模型同样应用于乍得的难民营。“那里没有放射科医生。谁能查看X光片并判断‘是否有问题’？实际上，AI做到了，”全球抗击艾滋病、结核病和疟疾基金执行主任彼得·桑兹表示。该基金过去四年已向AI辅助结核病筛查投入近2亿美元。“这太棒了。”
支持者认为，他们正窥见未来：AI将加速世界在最难触及的社会角落检测和控制疾病的能力。另一些人则呼吁谨慎，强调中低收入国家需更多法规和防护措施以保护患者。
“显著改变”
在博尼阿巴社区健康中心，这位母亲是迪亚基特·兰西恩设置的移动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，AI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图像。
“蓝色区域无异常，但出现红色时——红色表示该部位有问题，”兰西恩在筛查该母亲当天解释道。
他为当地非营利组织ARCAD Santé PLUS工作，在西非国家马里开展结核病筛查，仅携带几个背包——内含移动X光机、电脑及备用电池（以应对断电情况）。
母亲的筛查结果一旦显示多处红色斑块，他立即采集痰样送实验室确认，并让她速回家带五名子女复检。结核病通过患者咳嗽、大笑或说话时的飞沫传播，极易在家庭内传染。
AI几乎即时判定：三名子女疑似感染结核病。兰西恩表示，他们将很快开始为期六个月的抗生素治疗。
“AI带来显著改变，”获得全球基金支持的ARCAD Santé PLUS项目官员巴西·凯塔表示。他解释道，儿童常难以提供合格痰样——需深咳出肺部黏液；引入AI筛查后，他们能快速排除X光片无结核迹象者，仅对AI提示疑似患者进行痰检。自整合AI以来，痰样采集量已减少约50%。
结核病引领AI医疗应用
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无力购买商用结核病筛查AI模型时，她同意为其开发。
她坦言，着手研发后立即意识到结核病为何成为全球健康AI解决方案的先锋领域。
“结核病可被视觉识别。你有X光片，有明确诊断标签——只需训练模型，”巴齐莱说，“仅耗时数月、不足5万美元便完成模型开发。过程直接、成本低廉且高效。”
相较于乳腺X光或血液检测设备，结核病X光机在资源匮乏地区广泛普及，且操作培训门槛低。
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，绝大多数发生于中低收入国家。
迪蒂乌认为结核病仅是开端。部分结核病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将迅速融入医疗系统，类似非洲多数地区跳过固定电话直接采用手机的发展路径。
“发展中国家将更快采用AI，因其存在迫切未满足需求，且临床医生明白需要额外支持，”她说，“多数技术虽在美国研发，但应用却在别处。”
她指出，美国等高收入国家整合AI较慢，即便获FDA批准，专业学会制定的诊疗指南也常未广泛采纳或整合该技术。
“发展中国家的现实挑战”
但部分人士警告技术热情需与警惕并存。
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制定AI指南，他研究了该国偏远省份的AI结核病筛查应用。
他表示，高收入国家已建立AI医疗应用的法规与防护体系。“这对发展中国家是现实挑战，因技术常免费提供给我们，但必须规避问题，”他说。
例如，当AI模型漏诊结核病，将需治疗者误判为健康时会发生什么？
卡皮奥指出，英国设有此类事件上报系统以提升患者安全；美国FDA批准AI模型时也有类似机制。“但在我国，法律体系尚未完善。”
另一大担忧是模型无法提示自身失效或对案例存疑。他说模型可能“漂移”，即性能随时间退化。“它们无声失效，不会告知正在出错，”卡皮奥说，“这是当前主要顾虑。”
此类AI失误可通过训练模型转交复杂案例，并由外部专家实施持续质控来弥补——马里兰西恩的筛查项目及全球基金支持项目正采用此法。
但卡皮奥解释，质控需“整支专家团队”。“除放射科医生，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，其成本远非表面所见低廉易行。
然而倡导者主张，AI必须与替代方案对比评估。
巴齐莱认为医生导致的医疗错误极为普遍；全球基金的桑兹指出，“我们必须正视现实：在许多应用环境中，放射科医生极度匮乏”，因此AI筛查优于无解。
桑兹引用数据表明，自2021年世界卫生组织认可该AI技术并发布本地化校准工具包后，全球发现结核病患者的效率已大幅提升。
巴齐莱最终提出的重大疑问是：所有确诊患者能否获得相应医疗服务？
【全文结束】
