ARCAD健康促进组织
众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，黄色至红色标记区域表示算法检测到结核病迹象。
上个月的一个周四上午，马里邦亚巴社区医疗中心正在进行结核病筛查。现场没有医生，但一位长期咳嗽的母亲数秒内就获得了结果：她被确诊为结核病阳性。
几年前，她能就近接受筛查已属幸运，仍需等待一两周将痰液样本送至实验室才能获得结果。
关键差异在于：移动X光机和人工智能算法正在检测结核病。（若不熟悉AI术语——这本质上是基于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3500人死于该病，年死亡人数超120万，且数据持续攀升。应对疫情的主要障碍之一是全球放射科医生短缺，而该细菌感染通常影响肺部。
"有些国家放射科医生不足五名，近乎灾难。即便有医生，也集中在首都，"结核病防治伙伴关系组织执行董事卢西卡·迪蒂乌博士表示。该组织是倡导机构。
她指出，如今80多个中低收入国家正转向AI进行结核病筛查。
"这具有革命性，"迪蒂乌强调。
例如，尼日利亚游牧人群正从中受益。"你身处荒野，四周只有牲畜和尘土。而他们正用AI进行X光检查，简直难以置信，"迪蒂乌说。八年前，她的组织率先开发了该技术。
AI模型还应用于乍得的难民营。"没有放射科医生。谁能查看X光片判断是否存在异常？实际上，AI可以，"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。该基金近四年已投入近2亿美元用于AI结核病筛查。"这非常卓越。"
支持者认为，AI正加速世界在最难触及的社会角落检测和控制疾病；而另一些人则呼吁谨慎，强调中低收入国家需加强监管以保护患者。
"显著成效"
在邦亚巴社区医疗中心，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。他虽非医生，但受过X光操作培训。拍摄的影像直传其电脑，AI模型据此分析并输出评分——反映影像与结核病特征的匹配度，同时生成类似热力图的肺部图像。
"蓝色区域表示无异常，红色则代表问题部位，"兰西恩在为该母亲筛查当日解释道。
他受雇于当地非营利组织ARCAD健康促进组织，在西非国家开展结核病筛查，仅携带几个背包：移动X光机、电脑及备用电池（以防断电）。
母亲筛查结果出现多处红色区域后，他立即采集痰液样本送检确认，并嘱其速返家中带回五名子女接受检查。结核病通过患者咳嗽、大笑或说话时的空气传播，家庭内极易传染。
AI几乎瞬间显示：其中三人疑似患病。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健康促进组织项目主管巴塞·凯塔表示。他解释道，儿童提供痰液样本往往困难（需咳出深部肺黏液），而引入AI筛查后，他们能快速排除X光片无结核迹象者，仅对AI提示高风险者进行痰检。AI应用使痰检数量减少约半。
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构建乳腺癌和肺癌检测的AI模型。当斯里兰卡一家医院表示无力购买现成结核病筛查AI模型时，她决定为其开发。
她坦言，接手该项目后立即意识到结核病为何成为AI解决全球健康挑战的先锋领域。
"结核病可被视觉化识别。你有X光片，有是否患病的标注——只需训练模型，"巴齐莱补充道，"数月内耗资不到5万美元即可完成。开发过程简单、廉价且迅速。"
与乳腺X光或血液检测设备不同，结核病X光机在资源匮乏地区广泛可用，且操作培训要求低。
迪蒂乌还强调需求庞大：世卫组织数据显示，2023年结核病新发病例达1080万，高于2020年的1010万，绝大多数集中在中低收入国家。
迪蒂乌认为结核病仅是开端。部分用于结核病的AI模型已能诊断其他疾病，包括肺癌、肺炎及某些心血管问题。
巴齐莱预测，在多数低收入国家，AI将如非洲跳过固定电话直连手机般，迅速融入医疗系统。
"AI将在发展中国家更快普及，因其存在严重未满足需求，且临床医生明白需要额外帮助，"她说，"尽管技术多在美国研发，但应用却在其他地区。"
她指出，美国等地整合AI较慢，因即便获FDA批准，专业学会制定的诊疗指南往往未广泛采纳该技术。
"发展中国家的现实挑战"
但部分人士呼吁热情勿超越审慎。
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起草AI指南，并研究该国偏远省份的AI结核病筛查应用。
他表示，高收入国家已有AI医疗应用的监管框架，"对发展中国家而言这是现实挑战，因技术常免费提供给我们，但需规避问题。"
例如，AI若漏诊结核病（将需治疗者误判为健康），后果如何？
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，相关法律尚未建立。"
另一隐忧是模型可能无法提示自身失效或诊断存疑。模型会"漂移"——性能随时间衰退。"它们静默失败，不会告知你正在出错，"卡皮奥说，"这是当前主要顾虑。"
此类风险可通过训练模型转交复杂病例、并由外部专家持续质控来化解——马里的兰西恩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"完整专家团队：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。"综合AI巨大能耗等因素，成本远非表面低廉。
支持者则认为，AI应与替代方案对比评估。
巴齐莱强调医生医疗错误极为普遍；全球基金的桑兹表示，"我们必须正视现实：在许多应用场景中，放射科医生极度稀缺"，因此AI筛查优于无解。
桑兹援引数据称，世卫组织2021年批准该技术并发布本地化校准工具包后，全球结核病检出率显著提升。
巴齐莱留下的核心疑问是：所有确诊者能否获得及时医疗？
【全文结束】
