能否及时获得医疗服务往往取决于地理上的偶然因素：你住在哪里、当地诊所拥有哪些资源，以及附近是否有专科医生。
在防治结核病（TB）的斗争中，这种差距最为突出。尽管结核病可预防、可治愈，但它每年夺去超过1.23百万人的生命。一个主要瓶颈是放射科：对于生活在高负担环境中的人群——从偏远农村地区的居民到在地下深处作业的矿工——放射科医生稀缺，影像基础设施往往在数天路程之外。结果是，数百万活动性病例未被检出，传播因此持续不断。
在过去几年里，我们遍布各地的团队 Google Research 以及 Google 健康部门 曾努力改变这一轨迹：从一款基于 AI 的工具出发，该工具建立在 我们在医学影像领域的现有工作 以识别有结核病疑似症状的人员进行随访检测，推动与当地合作伙伴的前瞻性临床试验和监管许可，并最终开放基础模型，例如 MedGemma 赋能全球公共卫生系统的技术。本周在 IDWeek 2026 在华盛顿特区，我们正在分享我们如何将健康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。
证明基于人工智能的工具能够阅读胸部X光片
我们的工作始于一个根本性问题：基于人工智能的工具能否解读 胸部X光片 （CXRs）达到专家放射科医师在结核病筛查方面的准确度？
胸部X光检查是肺部筛查的一线影像学手段，但检测结核病的细微征象（如） 肺尖浸润 （肺部上部的积液）以及 空洞性病变 (组织损伤)需要农村诊所很少具备的专业知识。2019年，我们 发布了一项基准测试 在 放射学，这表明深度学习算法在检测活动性肺结核方面的表现水平可与经验丰富的放射科医师相媲美。
然而，现实世界的实用性需要独立验证。2021年8月， 终止结核病伙伴关系 已评估 自动化计算机辅助检测 （CAD）软件在多样患者队列中的研究成果发表于 《柳叶刀·数字健康》（The Lancet Digital Health），使我们的模型跻身于 表现最佳的结核病筛查算法 之列。同年，世界卫生组织也 推荐使用CAD 进行结核病筛查和分诊。2024年9月，我们在 《NEJM AI》上详细介绍了一项 前瞻性、多地点验证 研究，表明AI辅助筛查在多样患者人群中保持高灵敏度（最大限度减少漏诊病例），同时还能可靠地检测其他偶发的肺部和心脏异常。
弥合转化鸿沟
在医学AI领域，发表论文仅仅是开始。从算法模型到值得信赖的床旁工具之间，存在一条“转化鸿沟”：让软件在不同的X光机和离线环境中保持可靠，将其整合进临床工作流程，并满足医疗器械法规的要求。
基于这一考虑，我们与 Nexus AI——一家位于比勒陀利亚的医疗科技公司——合作，他们将我们的胸部X光算法转化为一款经过认证的临床诊断工具。应对监管环境需要大量的审核：
- 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——这是一项严格的资质认定，基于前瞻性临床评估验证该工具对于真实世界患者护理是安全的。
- 质量标准：Nexus AI 获得了 ISO 13485 医疗器械质量管理认证合规。
- 全球准入：Nexus AI 与 FIND 签署协议，以争取 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，同时仍在推进美国 FDA 许可.
Nexus AI 设备可在短至45秒内筛查胸部X光片中的肺结核等肺部疾病。
一线影响：在患者所在之处提供帮助
如今，Nexus Intelligence 正在诊断可及性最迫切需要的地方积极部署这项技术。
在 六个国家 ——南非、塞拉利昂和科特迪瓦，并正在向刚果民主共和国、赞比亚和喀麦隆扩展——Nexus AI 的工具在大约40家医疗机构运行。迄今为止，超过90名临床医生已评估了超过25,000张 胸部X光片，将周转时间从数周缩短至45秒以内，在加快快速分诊的同时，让医疗专业人员能够做出最终临床决策。
我们的合作致力于健康公平：Nexus AI 已向资源不足的公立诊所提供了超过3,000次免费筛查，正朝着每年10,000次赞助筛查的目标迈进.
极端环境下的筛查：Mponeng 金矿
或许没有比在南非 Mponeng 金矿 开展的工作更能体现“在患者所在之处提供帮助”了，这是世界上最深的矿井之一。深井矿工长期暴露于硅尘中， 肺部疾病风险升高。与 Stop TB Partnership, Harmony Gold Mine以及 南非卫生部合作，Nexus AI 在地下四公里处部署了超便携数字X光设备和离线AI。矿工可在现场数秒内完成筛查，被标记为疑似肺结核者可立即转诊进行确诊性分子检测。筛查、分诊和确诊检测现在可以在单次就诊中完成，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
与单一合作伙伴合作的定制化方案无法独自应对全球结核病负担。为了扩大影响力，我们从孤立的部署转向构建开放、可适配的基础平台，让开发者和卫生部门能够创建符合当地需求的解决方案。
通过 Health AI Developer Foundations （HAI-DEF），我们开源了我们的 胸部X光嵌入 和 , MedSigLIP, 一个轻量级视觉-语言模型，其训练目标是将医学图像（如胸部X光片）与用于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自然语言标签对图像进行分类或搜索，或仅用少量本地示例对其进行特定任务的微调。这让本地团队能够在规模适中的区域数据集上构建专业化模型，并在无需大规模计算资源的情况下达到出色性能。
在此基础上，我们发布了 MedGemma, 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：它综合放射学发现与临床病史，用自然语言回答临床医生的提问，并可在没有互联网接入的情况下在设备上本地运行。自发布以来，MedGemma 在全球的下载量已超过 1000万次 。
Nexus AI 的应用程序通过整合多个模型分析胸部X光片，突出显示与正常肺野不一致的发现，包括提示结核病的发现，以及需要进一步检查的情况（FIR）.
主权规模：支持印度尼西亚的全国结核病倡议
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 正在应对全球结核病负担第二重的问题，并设定了一个雄心勃勃的目标：筛查 每年有5000万公民 以根除该疾病。
回顾 5000万次X光检查 人工操作不可行，而专有云软件又带来数据驻留方面的挑战。为此，该部正在微调 MedGemma 和 MedSigLIP 关于国内 胸部X光片由于这些模型运行在本地基础设施上，患者数据保留在国家边境之内，使卫生领导者对临床部署拥有完全的主权。
互补筛查：与HeAR合作的生物声学
认识到成像设备无法覆盖每一个偏远的卫生站，Google Research 还开发了 健康声学表征（HeAR）。训练数据超过 3亿音频片段，HeAR 可利用标准智能手机录制的咳嗽声音实现无创声学筛查 麦克风.
HeAR 正在通过撒哈拉以南非洲的协作研究得到应用,参与方包括 CIDRZ （赞比亚）， Aurum Institute （加纳，获得250,000美元Google.org资助支持），以及 HELINA的1.5百万美元区域合作项目。Together，声学分诊（HeAR）、移动X光筛查（HAI-DEF）和多模态临床推理（MedGemma）共同为社区提供一套面向弱势群体的综合诊断级联工具。
展望未来
从一个实验室算法到在六个国家的诊所中使用的CE认证工具，这段历程让我们明白了将研究转化为现实影响所需具备的条件：严谨的科学、开放的开发者平台以及敬业的地方合作伙伴。由于我们的合作伙伴最了解他们的社区，现在他们正在推进这项工作：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项目，而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领域的同仁们建立联系,携手扩大公平医疗服务。
致谢
我们感谢我们在 Nexus AI, Stop TB Partnership, UNOPS, CIDRZ, Aurum Institute, HELINA, Harmony Gold Mine的合作伙伴，以及 南非卫生部和印度尼西亚卫生部，感谢他们在临床领导力和全球健康公平方面的奉献。