Google Research 用 MedGemma 等基础模型推进结核病筛查落地

能否及时获得医疗服务，往往取决于地理位置的偶然性：你住在哪里、当地诊所拥有哪些资源，以及能否就近找到专科医生。

这种差距在抗击结核病（TB）的斗争中体现得最为尖锐。尽管结核病可预防、可治愈，但每年仍夺走超过123万人的生命。一个主要瓶颈在于放射学：对于高负担地区的人群——从偏远农村地区的居民到在深井中作业的矿工——放射科医生十分稀缺，而影像基础设施往往需要数天路程才能抵达。结果，数百万活动性病例未被发现，导致传播持续不断。

过去几年，我们在Google Research和Google for Health的团队一直致力于改变这一轨迹：从基于我们在医学影像领域的现有工作构建的AI工具——用于识别疑似结核病患者以进行后续检测——推进到前瞻性临床试验、与当地合作伙伴获得监管许可，并最终开放MedGemma等基础模型，赋能全球公共卫生系统。本周在华盛顿特区举行的IDWeek 2026上，我们将分享如何将健康AI研究变为现实，以及基础模型如何在全球范围内实现结核病筛查的普及。

证明AI工具能够解读胸部X光片

我们的工作始于一个根本性问题：AI工具能否以专家放射科医生的准确度解读胸部X光片（CXR）以进行结核病筛查？

胸部X光摄影是肺部筛查的一线影像手段，但检测结核病的细微征象——如肺尖浸润（肺上部积液）和空洞性病变（组织损伤）——需要专业技能，而农村诊所很少具备这种能力。2019年，我们在Radiology上发表了一项基准研究，证明深度学习算法能够以与经验丰富的放射科医生相当的性能水平检测活动性肺结核。

然而，现实世界的实用性需要独立验证。2021年8月，Stop TB Partnership在The Lancet Digital Health上评估了跨不同患者队列的自动化计算机辅助检测（CAD）软件，将我们的模型列为全球表现最佳的结核病筛查算法之一。同年，WHO还推荐将CAD用于结核病筛查和分诊。2024年9月，我们在NEJM AI上详细介绍了一项前瞻性、多中心验证，证明AI辅助筛查在不同患者群体中保持高灵敏度（最大限度减少漏诊病例），同时还能可靠地检测其他偶然发现的肺部和心脏异常。

跨越转化鸿沟

在医学AI领域，发表论文只是开始。在算法模型与可信赖的临床工具之间，存在着“转化鸿沟”：让软件在各种X光机和离线环境中保持可靠、将其整合到临床工作流程中，以及满足医疗器械法规要求。

有鉴于此，我们与总部位于比勒陀利亚的医疗技术公司Nexus AI合作，他们将我们的胸部X光算法转化为经过认证的临床诊断工具。应对监管环境需要进行大量审计：

• CE MDR IIb 类认证：根据欧盟医疗器械法规（EU MDR 2017/745），Nexus AI 获得了 IIb 类认证——这是一项严格的认定，基于前瞻性临床评估验证该工具在真实患者诊疗中的安全性。
• 质量标准：Nexus AI 已获得 ISO 13485 医疗器械质量管理体系的合规认证。
• 全球准入：Nexus AI 与 FIND 签署协议，以推进 世界卫生组织预认证（WHO PQ）——这对于通过全球机构进行国际采购至关重要，同时也在持续推进美国 FDA 许可的路径。

一线影响：在患者所在之处触达患者

如今，Nexus Intelligence 正积极在诊断可及性最为迫切的地方部署这项技术。

在六个国家——南非、塞拉利昂和科特迪瓦，并正在刚果民主共和国、赞比亚和喀麦隆扩展——Nexus AI 的工具在约 40 家医疗机构中运行。迄今为止，已有 90 多名临床医生评估了超过 25,000 张胸部 X 光片，将周转时间从数周缩短至 45 秒以内，加速了快速分诊，同时赋能医疗专业人员做出最终临床决策。

我们的合作致力于健康公平：Nexus AI 已为资源不足的公立诊所提供了 3,000 多次免费筛查，正朝着每年 10,000 次赞助筛查的目标推进。

极端环境下的筛查：Mponeng 金矿

或许没有什么部署比在南非Mponeng 金矿——世界上最深的矿井之一——所做的工作更能体现“在患者所在之处触达患者”。深井矿工面临慢性二氧化硅粉尘暴露和肺部疾病风险升高。Nexus AI 与Stop TB Partnership、Harmony Gold Mine 以及南非卫生部合作，在地下四公里处部署了超便携数字 X 射线套件和离线 AI。矿工可在现场数秒内完成筛查，被标记为疑似结核病的人员可立即转诊进行确认性分子检测。筛查、分诊和确认性检测现在可以在一次就诊中完成，将通常需要数周的流程大幅压缩。

从单点解决方案到开放基础：HAI-DEF 与 MedGemma

与单一合作伙伴定制的解决方案无法独自应对全球结核病负担。为扩大影响，我们从孤立部署转向构建开放、可适配的基础，使开发者和卫生部能够创建适合本地需求的解决方案。

通过Health AI Developer Foundations（HAI-DEF），我们开源了胸部 X 射线嵌入和 MedSigLIP——一个轻量级视觉语言模型，经过训练可将医学图像（如胸部 X 光片）与描述它们的临床语言对齐。由于 MedSigLIP 同时理解图像和文本，开发者可以用它通过通俗语言标签对图像进行分类或搜索，或仅用少量本地样本针对特定任务进行微调。这使本地团队能够在适度的区域数据集上构建专用模型，无需大量计算资源即可达到出色性能。

在此基础上，我们发布了 MedGemma，这是一系列开放权重的多模态模型（4B 和 27B 参数配置）。MedGemma 从基础分类进阶到多模态临床推理：它将影像学发现与临床病史综合起来，用自然语言回答临床医生的问题，并可在设备本地运行，无需联网。自发布以来，MedGemma 在全球的下载量已超过 1000 万次。

主权规模：支持印度尼西亚的国家结核病防治计划

开放模型有助于公共卫生系统构建保护患者隐私的主权解决方案。在东南亚，印度尼西亚卫生部正以一项雄心勃勃的目标应对全球第二高的结核病负担：每年筛查 5000 万公民，以根除该疾病。

人工审阅 5000 万张 X 光片是不可行的，而专有云软件又带来数据驻留方面的挑战。因此，该部正在利用国内胸部 X 光片对 MedGemma 和 MedSigLIP 进行微调。由于模型在本地基础设施上运行，患者数据始终留在国境之内，使卫生部门负责人对临床部署拥有完全主权。

互补筛查：使用 HeAR 的生物声学

认识到影像设备无法覆盖每一个偏远卫生站，Google Research 还开发了 Health Acoustic Representations（HeAR）。HeAR 基于超过 3 亿个音频片段训练，能够利用标准智能手机麦克风录制的咳嗽声进行无创声学筛查。

HeAR 正通过撒哈拉以南非洲的合作研究得到应用，合作方包括 CIDRZ（赞比亚）、Aurum Institute（加纳，由 Google.org 提供 25 万美元资助）以及 HELINA 的 150 万美元区域合作项目。声学分诊（HeAR）、移动 X 射线筛查（HAI-DEF）和多模态临床推理（MedGemma）共同为服务不足的人群提供了一套集成的诊断级联工具。

展望未来

从实验室算法到在六个国家的诊所中使用的 CE 认证工具，这段历程向我们展示了将研究转化为现实影响所需的条件：严谨的科学、开放的开发者平台以及专注的本地合作伙伴关系。因为我们的合作伙伴最了解自己的社区，他们现在正将这项工作推向更远。Nexus AI 正在扩展到新的国家，印度尼西亚正在将结核病筛查纳入其国家计划，CIDRZ、Aurum Institute 和 HELINA 正在为基于咳嗽的分诊积累临床证据。我们的角色是帮助他们获得开放模型、基础研究和持续支持，让更多结核病患者能够更早得到诊断和治疗。

在 IDWeek 2026 上，我们期待与传染病和公共卫生界建立联系，共同扩大公平医疗。

致谢

我们感谢以下合作者：Nexus AI、Stop TB Partnership、UNOPS、CIDRZ、Aurum Institute、HELINA、Harmony Gold Mine、南非卫生部以及印度尼西亚卫生部，感谢他们的临床领导力以及对全球健康公平的奉献。