从论文到诊所
Google Research 的结核筛查工作从 2019 年开始:当年在《Radiology》发表基准,证明深度学习读胸片可以达到有经验放射科医生的水平;2021 年 Stop TB Partnership 在《柳叶刀·数字健康》的多队列评估中把其模型列在全球前列,同年世卫组织推荐将计算机辅助检测(CAD)用于结核筛查与分诊;2024 年又在《NEJM AI》发表了多中心前瞻性验证。
但论文通过不等于能进诊所。Google 与南非比勒陀利亚的医疗科技公司 Nexus AI 合作,把算法做成临床诊断产品,走完欧盟 CE MDR IIb 认证与 ISO 13485 质量体系,并与 FIND 签约推进世卫组织预认证(WHO PQ),同时保留美国 FDA 的申报路径。
落地数据
- 已在南非、塞拉利昂、科特迪瓦等 6 个国家、约 40 家医疗机构使用,并计划扩展到刚果(金)、赞比亚和喀麦隆。
- 90 多名临床人员评估了超过 2.5 万张胸片,报告周转时间从数周降到 45 秒以内。
- Nexus AI 已为资源不足的公立诊所提供 3000 多次免费筛查,目标是每年 1 万次。
矿井下的极端场景
南非 Mponeng 金矿是世界上最深的矿井之一,深井矿工长期接触二氧化硅粉尘,肺病风险高。Google 与 Stop TB Partnership、Harmony 金矿及南非卫生部合作,把超便携数字 X 光机和离线 AI 带到地下 4 公里处;矿工在现场完成筛查,被标记为疑似结核的人可以立即转做分子确认检测。原本需要数周的分诊与检测,被压缩到一次就诊内完成。
开放权重的作用
单点部署无法覆盖全球结核负担,Google 因此把胸片嵌入模型和 MedSigLIP 通过 HAI-DEF 开放出来,并发布 MedGemma 系列(4B 与 27B 多模态模型)。MedGemma 能在本地离线运行,开发者可以用少量本地样本微调,不必依赖大规模算力;官方称其全球下载量已超过 1000 万次。印尼的国家结核项目也在用这套基础模型做本地化。
判断与限制
这份案例的价值在于把「准确率」之外的环节都摊开了:监管认证、设备、离线运行、临床培训、转诊闭环和支付。它同时也划出了边界——AI 做的是筛查与分诊,不是确诊;假阳性会增加确认检测的负担,假阴性则会漏掉真正需要治疗的人。开放权重降低了门槛,但本地人群、设备和拍摄质量不同,外部验证仍然不可省。
医疗 AI 的真正门槛不在模型分数,而在把它放进没有放射科医生的那间诊室。