上个月的一个星期四早晨，马里的博尼阿巴社区医疗中心正在开展结核病筛查。现场不见医生踪影，但一位持续咳嗽的母亲几秒内便得到诊断结果：她感染了结核病。
若在数年前，她能就近接受筛查已是幸运，且仍需等待一两周将痰液样本送至实验室才能获得结果。
转变的关键在于移动X光机与人工智能算法的联合应用。（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。）
结核病是全球头号致死性传染病，每天导致3500人死亡，年死亡人数超120万，且数据持续攀升。应对疫情的重大障碍在于全球放射科医生短缺，难以诊断这种主要侵袭肺部的细菌感染。
"某些国家放射科医生不足五人，这无异于灾难。即便有医生也集中在首都，"倡导组织"终止结核病伙伴关系"执行主任露西卡·迪蒂乌博士表示。她指出，如今逾80个中低收入国家正借助AI开展结核病筛查。"这是革命性的，"迪蒂乌强调。以尼日利亚游牧民为例："身处荒无人烟之地，唯有牧民与尘土，他们却能用AI进行X光检测，这简直难以置信。"八年前其组织曾参与开发该技术。在乍得的难民营，全球抗击艾滋病、结核病和疟疾基金执行主任彼得·桑兹指出："没有放射科医生的情况下，谁能判定X光片是否存在异常？正是AI在发挥作用。"该基金过去四年已投入近2亿美元用于AI结核病筛查。支持者认为这预示着AI将加速社会边缘群体的疾病防控能力，但亦有声音呼吁加强监管以保护中低收入国家患者权益。
显著成效
在博尼阿巴社区医疗中心，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。作为非医生但经培训的技师，兰西恩拍摄的影像直接传输至电脑，AI模型据此生成结核病可能性评分及类似热力图的肺部图像。
"蓝色区域无异常，红色则表示问题部位，"兰西恩在筛查该母亲时解释道。他服务于当地非营利组织ARCAD Santé PLUS，在西非国家开展巡回筛查，仅携带移动X光机、电脑及备用电池。
当母亲影像出现多处红色斑块，他立即采集痰样送检确认，并嘱咐她速带五名子女复检——结核病通过患者咳嗽、大笑或说话时的飞沫传播，家庭内极易扩散。AI迅速判定其中三人疑似感染，兰西恩表示他们将启动为期六个月的抗生素治疗。
"AI带来显著改变，"获全球基金支持的ARCAD Santé PLUS项目官员巴西·凯塔指出。儿童痰样采集困难（需深咳排出肺部黏液），而AI筛查能快速排除X光无异常者，仅对疑似病例进行痰检。引入AI后，痰检样本量减少近半。
结核病的前沿应用
麻省理工学院教授兼计算机科学家雷吉娜·巴齐莱多年致力于研发乳腺癌与肺癌AI检测模型。当斯里兰卡医院表示无力购买现成结核病筛查AI时，她决定为其定制。她发现结核病成为AI医疗应用的先锋原因明确："结核病具有可视性——通过X光片与确诊标签即可训练模型"，她仅用数月耗资不足5万美元完成开发，"流程简单、成本低廉且快速"。
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可用，操作培训门槛低。世卫组织数据显示，2023年结核病新增病例达1080万（2020年为1010万），绝大多数集中于中低收入国家。迪蒂乌认为结核病只是起点，现有AI模型已能诊断肺癌、肺炎及部分心血管疾病。巴齐莱预测，许多低收入国家将如非洲跳过固话直用手机般，快速将AI融入医疗体系："发展中国家因未满足需求迫切且临床医生理解需外部支持，AI采纳速度将更快。多数技术在美国研发，却在其他国家率先应用。"她指出美国因缺乏专业协会指南整合及广泛采用，AI落地速度反而较慢。
发展中国家的真实挑战
菲律宾放射科医生埃尔温·约翰·卡皮奥近期协助制定该国放射学会AI指南。他研究发现，高收入国家已建立AI医疗监管框架，"但发展中国家面临严峻挑战——技术常免费提供却需规避风险"。例如AI漏诊结核病误判健康时，在英国可通过上报系统改进患者安全，美国FDA批准模型亦有类似机制，"而我国尚未建立相关法律"。
另一隐忧是模型失效或不确定时不会主动预警。"模型会'漂移'，性能随时间退化。它们沉默失败，不提示错误，"卡皮奥强调，"这才是核心问题。"马里筛查项目等全球基金项目通过设定复杂案例转人工机制及外部专家质控可缓解此问题，但卡皮奥指出质控需"完整专家团队——除放射科医生外，还需计算机科学家、数据科学家及AI工程师"。叠加AI的巨大能耗，实际成本远高于表面所见。
支持者则认为应对比替代方案。巴齐莱指出医生误诊本就常见，全球基金的桑兹强调："在应用该技术的许多地区，放射科医生极度稀缺，AI方案总好过空白。"世卫组织2021年批准该技术并发布本地化校准工具包后，全球结核病检出率已显著提升。巴齐莱最终关切的是："确诊者能否获得相应医疗服务？"
【全文结束】
