今日（2026 年 10 月 23 日）Google Research 喺 blog 發出一篇由 Preeti Singh 同 Shravya Shetty 撰寫嘅長文，主題係點樣用開放基礎模型 MedGemma 將 AI 結核（TB）篩檢帶入高負擔社區嘅前線。Google 話，呢一工作係同 Google for Health 團隊過去五年嘅延續，本週（喺 Washington, D.C. 嘅 IDWeek 2026）佢哋會公開分享呢套做法。

背景係全球每年約有 1.23 million 人死於結核；Google 指，遠郊、礦工等人口嘅放射科醫生稀缺，影像設施又距離數日行程，令大量活躍病例漏掉。佢哋話自己嘅路線係「由研究基準，到臨床前瞻試驗、同本地合作夥伴嘅監管認可，最終到 MedGemma 呢類開放基礎模型」。

時間線（Google 自述）

  • 2019 年喺《Radiology》發表 benchmark，話深度學習喺活檢肺結核上達資深放射科醫生水平。
  • 2021 年 8 月 Stop TB Partnership 喺《The Lancet Digital Health》對多款自動 CAD 軟件喺不同患者群做獨立評估，將 Google 嘅模型列為全球前列；同年 WHO 亦推薦 CAD 用於結核篩檢及分流。
  • 2024 年 9 月喺 NEJM AI 發表多中心前瞻驗證，話 AI 輔助篩檢喺不同族群下維持高敏感度（減少漏診），並可靠偵測其他肺及心臟異常。

Google 喺文中將由算法模型到「可信床邊工具」之間嘅距離稱為「translation gap」，包括喺不同 X 光機型、離線環境下保持穩定，同符合醫療器械法規；並話已同 Pretoria 嘅 Nexus AI 合作。

模姐驗嚇貨

呢個案例值嘅注意唔係「AI 好勁」，而係醫療影像模型由 paper 到 deployment 之間成個鏈條：獨立評估（Stop TB Partnership）→ 多中心前瞻試驗（NEJM AI）→ 本地監管（同 Nexus AI 等夥伴）→ 開放基礎模型（MedGemma）。

不過有幾點要留意：

  • 「開放」二字嘅實際內容，MedGemma 嘅授權範圍、商用限制、權重可得性，呢篇 blog 未有列出；開放權重同完整開源係兩回事，要核對 model card。
  • 文中所有效能數字（包括 2019 年 benchmark、2024 年 NEJM AI 驗證）均為 Google 團隊自己嘅研究或引述；Stop TB Partnership 嘅 2021 年評估係第三方，但 Google 只講「前列」，未有列具體排位。
  • MedGemma 喺臨床實地部署嘅現行狀態、已落地司法管轄區、已部署數量，本文未提及。

對讀者嘅關聯：如果你關注醫療 AI 落地方，呢個案例顯示一條由 academic benchmark 到 open foundation model 嘅可行路徑；但「開放」係咪真開放，仲要睇條款。

模姐｜深度調教