结核筛查不再等放射科医生：南非六国约40家机构里，读片时间从数周压到45秒内

结核筛查的瓶颈从算法准确率转到能否在真实诊所里稳定运行：一套胸片读片工具已在南非等六国的约40家医疗机构投入日常使用。 此前这类工具停留在研究基准和论文阶段，而从算法模型到可信的床边工具之间还隔着适配不同X光机、离线运行、嵌入临床流程和满足医疗器械法规的距离。 部署方Nexus AI是比勒陀利亚的医疗技术公司，它把胸片算法转化为获CE认证的临床诊断工具；至今90多名临床人员用它评估了超过2.5万张胸片。

读片速度的量级变化让分诊可以在一次就诊内完成，而不必让患者在数周等待中流失。 此前高负担地区影像基础设施常常在数天路程之外，放射科医生稀缺，大量活动性病例因此未被发现。 在六国约40家机构的使用中，周转时间从数周缩短到45秒以内；在南非Mponeng金矿，超便携数字X光设备和离线AI被部署到地下四公里处，矿工现场数秒内完成筛查，疑似病例可立即转做分子确诊检测。

同一套能力以开放模型的形式交给各地卫生系统，使本地团队能用少量区域数据构建自己的筛查方案。 单一合作伙伴的定制方案无法独自承担全球结核负担，因此路线从孤立部署转向开放、可适配的基础模型。 Health AI Developer Foundations开放了胸片嵌入和轻量视觉语言模型MedSigLIP，后者把医学图像与描述它们的临床语言对齐；在此基础上发布的MedGemma提供4B和27B两种开放权重多模态配置，可在设备本地离线运行，发布以来全球下载量超过1000万次。

印尼卫生部正用本地胸片微调MedGemma和MedSigLIP，把结核筛查纳入国家项目，目标为每年筛查5000万公民。 人工审阅5000万张X光片不可行，而专有云软件又带来数据驻留问题。 模型运行在本地基础设施上，患者数据留在国境之内；此外，基于超过3亿段音频训练的HeAR模型尝试用普通智能手机录下的咳嗽声做无创声学筛查，相关合作研究正在撒哈拉以南非洲展开。

报道的范围是Google Research与Google for Health在IDWeek 2026上分享的转化路径：从2019年Radiology上的基准、2021年Stop TB Partnership的独立评估、2024年NEJM AI的前瞻多站点验证，到Nexus AI的CE认证工具在六国约40家机构的部署，以及HAI-DEF、MedSigLIP、MedGemma和HeAR等开放模型。材料明确说Nexus AI正在向新国家扩展、印尼正把筛查纳入国家项目、CIDRZ、Aurum Institute和HELINA正在为咳嗽分诊积累临床证据。

材料把AI定位为分诊辅助，最终临床决定仍由医务人员作出，并称AI辅助筛查保持高敏感度、同时能检出其他偶发肺部与心脏异常，但没有给出此次六国部署的敏感度或特异度数值。咳嗽声学筛查仍处于合作研究阶段，临床证据尚在积累；印尼每年5000万人的筛查目标是该国卫生部的计划，而非已完成的筛查量。