Фундаментальные модели выходят на передовую скрининга на туберкулёз

Доступ к своевременной медицинской помощи часто зависит от места жительства, оснащения местной клиники и того, есть ли поблизости специалист.

Особенно остро это проявляется в борьбе с туберкулёзом (ТБ). Болезнь можно предотвратить и вылечить, но каждый год она уносит более 1,23 миллиона жизней. В регионах с высокой заболеваемостью — от удалённых сельских районов до глубоких шахт — не хватает рентгенологов, а до рентгеновского оборудования иногда приходится добираться несколько дней. Из-за этого миллионы случаев активного ТБ остаются незамеченными, и инфекция продолжает распространяться.

За последние годы команда Google Research и Google for Health прошла путь от инструмента на основе ИИ, который выявляет людей с подозрением на ТБ для дальнейшего обследования, до клинических испытаний и разрешений регулирующих органов, полученных вместе с местными партнёрами. Следующим этапом стали открытые базовые модели, например MedGemma, которые помогают системам общественного здравоохранения по всему миру. На IDWeek 2026 в Вашингтоне команда расскажет, как исследования ИИ в здравоохранении применяют на практике и как базовые модели могут расширить доступ к скринингу ТБ.

Проверка ИИ на рентгеновских снимках

Работа началась с вопроса: могут ли инструменты на основе ИИ анализировать снимки грудной клетки при скрининге ТБ с точностью опытного рентгенолога?

Рентгенография грудной клетки — основной метод визуализации при обследовании лёгких. Но для выявления малозаметных признаков ТБ, таких как инфильтраты в верхней части лёгких и полости, образовавшиеся из-за повреждения ткани, нужны специальные знания, которых часто нет в сельских клиниках. В 2019 году команда опубликовала в журнале Radiology бенчмарк: он показал, что алгоритмы глубокого обучения могут выявлять активный туберкулёз лёгких на уровне опытных рентгенологов.

Чтобы проверить, насколько метод пригоден для реальной практики, нужны независимые оценки. В августе 2021 года партнёрство Stop TB Partnership сравнило программы автоматизированного компьютерного анализа снимков на разных группах пациентов. В исследовании, опубликованном в The Lancet Digital Health, модель Google вошла в число лучших в мире алгоритмов для скрининга ТБ. В том же году Всемирная организация здравоохранения рекомендовала использовать такие программы для скрининга и первичной сортировки пациентов. В сентябре 2024 года в NEJM AI команда описала проспективную проверку в нескольких медицинских учреждениях. Она показала, что скрининг с помощью ИИ сохраняет высокую чувствительность у разных групп пациентов и помогает находить другие изменения в лёгких и сердце.

Как применять разработки в клиниках

В медицинском ИИ публикация исследования — лишь начало. Между алгоритмом и надёжным инструментом у постели пациента лежит этап внедрения: программу нужно адаптировать к разным рентгеновским аппаратам и работе без интернета, встроить в клинические процессы и привести в соответствие с требованиями к медицинским изделиям.

Google объединилась с Nexus AI — компанией медицинских технологий из Претории. Партнёр перевёл алгоритмы анализа снимков грудной клетки в сертифицированный диагностический инструмент. Для получения разрешений потребовались масштабные проверки:

Устройство Nexus AI анализирует рентгеновские снимки грудной клетки и выявляет заболевания лёгких, в том числе ТБ, примерно за 45 секунд.

Скрининг рядом с пациентами

Сейчас Nexus Intelligence внедряет эту технологию там, где доступ к диагностике особенно ограничен.

Инструмент Nexus AI работает примерно в 40 медицинских учреждениях шести стран: Южной Африке, Сьерра-Леоне и Кот-д’Ивуаре. В Демократической Республике Конго, Замбии и Камеруне внедрение расширяется. Более 90 медицинских работников уже оценили свыше 25 000 рентгеновских снимков грудной клетки. Результаты теперь получают меньше чем за 45 секунд вместо нескольких недель. Это ускоряет первичную сортировку пациентов, а окончательные клинические решения по-прежнему принимают специалисты.

В рамках сотрудничества Nexus AI бесплатно провела более 3 000 обследований в государственных клиниках с ограниченными ресурсами. Цель — довести число таких обследований до 10 000 в год.

Скрининг в золотой шахте Мпоненг

Работа в золотой шахте Мпоненг в Южной Африке показывает, как обследовать людей в местах, куда обычная медицинская инфраструктура почти не доходит. Это одна из самых глубоких шахт в мире. Шахтёры, работающие глубоко под землёй, годами подвергаются воздействию кремниевой пыли и подвержены повышенному риску заболеваний лёгких.

Nexus AI вместе с Stop TB Partnership, Harmony Gold Mine и Министерством здравоохранения Южной Африки доставила в шахту на глубину четыре километра переносные цифровые рентгеновские комплекты и систему ИИ, работающую без интернета. Шахтёров обследуют на месте за несколько секунд. Если система выявляет подозрение на ТБ, пациента сразу направляют на молекулярное подтверждающее исследование. Теперь скрининг, первичную сортировку и подтверждение диагноза можно провести за один визит — вместо пути, который обычно занимает недели.

Источник: research.google

От отдельных решений к открытым моделям

Решение, созданное для одного партнёра, не может само по себе охватить всех людей, которым грозит ТБ. Чтобы расширить применение технологии, команда перешла от отдельных внедрений к открытым адаптируемым разработкам. На их основе разработчики и министерства здравоохранения могут создавать инструменты для местных условий.

В рамках программы Health AI Developer Foundations (HAI-DEF) Google открыла эмбеддинги рентгеновских снимков грудной клетки и MedSigLIP — компактную мультимодальную модель, обученную связывать медицинские изображения, например снимки грудной клетки, с клиническими описаниями. MedSigLIP работает и с изображениями, и с текстом: разработчики могут классифицировать снимки или искать их по обычным словесным меткам, а также дообучать модель для конкретной задачи на небольшом наборе местных примеров. Это позволяет местным командам создавать специализированные модели на региональных данных и добиваться высокой точности без больших вычислительных ресурсов.

Затем Google выпустила MedGemma — семейство открытых мультимодальных моделей размером 4 и 27 миллиардов параметров. MedGemma умеет не только классифицировать изображения, но и выполнять мультимодальное клиническое рассуждение: объединять данные со снимка и историю болезни, отвечать на вопросы врачей обычным языком и работать локально, без интернета. С момента запуска модели скачали более 10 миллионов раз по всему миру.

Приложение Nexus AI объединяет модели для анализа рентгеновского снимка грудной клетки и выделяет отклонения от нормальной картины лёгких, в том числе признаки, которые могут указывать на туберкулёз. Оно также помогает определить, когда требуется дальнейшее обследование (FIR).

Национальная программа Индонезии

Открытые модели позволяют системам общественного здравоохранения создавать собственные решения и сохранять конфиденциальность пациентов. Министерство здравоохранения Индонезии борется со второй по величине в мире распространённостью ТБ и планирует ежегодно обследовать 50 миллионов человек, чтобы ликвидировать болезнь.

Вручную изучить 50 миллионов рентгеновских снимков невозможно, а использование закрытых облачных программ создаёт трудности с хранением данных внутри страны. Поэтому министерство дообучает MedGemma и MedSigLIP на индонезийских снимках грудной клетки. Модели работают на местной инфраструктуре, поэтому данные пациентов остаются внутри страны, а органы здравоохранения самостоятельно контролируют клиническое внедрение.

Скрининг по кашлю с HeAR

Рентгеновское оборудование невозможно доставить в каждый удалённый медицинский пункт. Поэтому Google Research разработала Health Acoustic Representations (HeAR) — модель акустического анализа, обученную более чем на 300 миллионах звуковых фрагментов. Она позволяет неинвазивно оценивать риск заболевания по звукам кашля, записанным на обычный микрофон смартфона.

HeAR используют в совместных исследовательских проектах в странах Африки к югу от Сахары: с CIDRZ в Замбии, Институтом Аурум в Гане при поддержке гранта Google.org на 250 000 долларов и региональным проектом HELINA стоимостью 1,5 миллиона долларов. Вместе акустическая сортировка с HeAR, мобильный рентгеновский скрининг на основе HAI-DEF и мультимодальное клиническое рассуждение MedGemma образуют последовательную систему диагностических инструментов для людей с ограниченным доступом к медицине.

Дальнейшая работа

Путь от лабораторного алгоритма до сертифицированного по стандарту CE инструмента, используемого в клиниках шести стран, показал, что для внедрения исследований нужны тщательная научная проверка, открытые платформы для разработчиков и тесное сотрудничество с местными партнёрами. Они лучше знают свои сообщества и теперь продолжают развивать эту работу: Nexus AI выходит в новые страны, Индонезия включает скрининг ТБ в национальную программу, а CIDRZ, Институт Аурум и HELINA собирают клинические данные для сортировки пациентов по звукам кашля. Google намерена помогать партнёрам открытыми моделями, фундаментальными исследованиями и постоянной поддержкой, чтобы больше людей с ТБ могли раньше получить диагноз и лечение.

На IDWeek 2026 команда планирует встретиться со специалистами по инфекционным заболеваниям и общественному здравоохранению, чтобы обсудить расширение доступа к медицинской помощи.

Авторы благодарят за клиническую работу и вклад в глобальное равенство в здравоохранении партнёров из Nexus AI, Stop TB Partnership, UNOPS, CIDRZ, Института Аурум, HELINA, Harmony Gold Mine, Министерства здравоохранения Южной Африки и Министерства здравоохранения Индонезии.