全球结核病筛查面临瓶颈与AI新解法
结核病每年在全球造成约123万人死亡，且高达50%的患者在就诊时无明显症状，导致依赖症状的传统筛查机制存在明显不足。在偏远农村及深层矿井等高负担地区，放射科专业医师短缺与影像基础设施匮乏构成了主要的诊断瓶颈，而AI辅助的胸部X光筛查成为实现早期及可扩展检测的有效手段。
2026年10月23日，Google Research发布官方博客，宣布在华盛顿特区举行的IDWeek 2026上展示将其AI基础模型应用于结核病筛查前线的最新实践成果。
技术授权转化：Nexus AI CXR的临床落地与成效
在临床转化方面，Google将其胸部X光AI基础模型授权给南非比勒陀利亚的医疗技术初创企业Nexus Intelligence（Nexus AI）。Nexus AI据此开发出临床决策支持系统Nexus AI CXR，该系统目前已获得欧盟医疗器械法规（EU MDR）的CE Class IIb认证。
Nexus AI CXR系统在工作流中并行运行两个AI模型：一个模型负责评估肺部状态是否正常并突出显示异常病灶，另一个模型则专门针对结核病进行筛查并输出热力图与等高线。目前，该工具已在南非、塞拉利昂、科特迪瓦、喀麦隆等6个国家的约40个医疗机构完成部署。
截至目前，该系统已处理超过25,000张胸部X光片，将筛查周转时间缩短至45秒以内，显著提升了偏远地区的筛查效率。此外，Nexus AI已向资源匮乏的公共诊所提供了3,000余次免费筛查服务，并计划每年提供10,000次赞助筛查。
突破极限工况：地下4公里深井的全离线部署
除常规医疗机构外，Nexus AI CXR还在极端恶劣环境中开展了实际检验。系统与Stop TB Partnership及Harmony Gold合作，成功部署于南非地下约4公里的Mponeng金矿——该矿井为全球最深的金矿之一。
在完全缺乏网络连接的深层矿井中，该系统能够实现纯本地离线运行，图像分析与筛查结果生成均在现场即时完成，待恢复网络连接后系统再自动同步审计日志。除结核病外，该系统还被用于筛查矿工因接触硅尘而高发的矽肺病等职业性肺部疾病。
开源医疗基础模型生态：MedGemma与MedSigLIP
为支持全球开发者与公共卫生部门因地制宜构建本地化医疗解决方案，Google通过Health AI Developer Foundations（HAI-DEF）开源了相关基础模型架构。
其中，MedGemma是基于Gemma 3构建的医疗视觉-语言基础模型，分为4B（多模态）与27B（纯文本及多模态）版本。技术报告显示，MedGemma在医疗图文理解与推理上超越了同规模生成式模型，在胸部X光报告生成质量上达到81%，优于参数规模更大的Med-Gemini模型（73%）。
另一款开源组件MedSigLIP为轻量级医疗图像-文本编码器，配备4亿参数视觉编码器与4亿参数文本编码器，支持448x448分辨率与最多64个文本token，预训练数据覆盖脱敏胸部X光、皮肤科、眼科、病理切片及CT/MRI影像。Google建议将MedGemma用于需生成自由文本的交互任务，而将MedSigLIP用于无须文本生成的结构化分类与语义检索任务。