人工智能如何改写诊断的未来

周日，2025年2月23日，Makerere 大学人工智能健康实验室负责人 Dr Rose Nakasi。插图/CHRIS OGON

您需要了解的内容：

Dr Rose Nakasi 正在 Makerere 大学开创基于人工智能的疾病诊断，利用机器学习技术革新显微镜检查，提高准确性并改善乌干达的医疗保健效率。

这个位于 Makerere 大学理学院的实验室——人工智能（AI）实验室——并不是机器的嗡嗡声，而是充满思维活跃的声音。屏幕上显示着样本数据集，白板上布满了无数方程式和突破性的成果，几位研究人员围在显微镜前，像外科医生一样精确地调整设置。

这里正在发生什么？一系列令人兴奋的项目，其中最引人注目的是将几个小时的疾病诊断缩短到几秒钟。这是如何实现的？通过利用大型语言模型。目前，他们主要关注结核病（TB）、宫颈癌和疟疾，但他们已经计划将这一“魔法”扩展到更多领域。

以下是具体的工作原理：当一个样本到达实验室——例如，用于检测疟疾的血涂片。任何有医学背景的人都知道，疟疾在显微镜下具有非常独特的外观。样本被检查，接下来就是“魔法”的部分——图像或文本数据被输入到 Dr Rose Nakasi 和她的团队开发的 AI 模型中，该模型基于乌干达医院的数千个数据集进行训练。

AI 接管后，迅速扫描样本并作出判断——例如，“有95%的可能性是疟疾”，并给出理由。原本需要30分钟的实验室工作现在只需几秒钟。事实上，Dr Nakasi 表示，这只需要“两秒钟”。

我站在计算机科学学院六楼的实验室深处，对面是 Ocular 项目的团队，他们正在为来自 Mulago 医院的医疗专业人员进行培训，教他们如何标注显微镜图像。

这个过程非常有趣：当他们收到显微镜的数字图像时，必须仔细检查关键指标。这包括识别如碎片或抗酸菌等伪影，以及关注细菌结构、线状伪影、白细胞和单核细胞等重要元素。

这一步骤在测试结果为阴性时尤为重要——确保即使是细微的、常被忽视的细节也不会遗漏。面对 Dr Nakasi，这位开拓性的人工智能研究员将计算机视觉和机器学习应用于疾病诊断和空间建模，特别是在资源匮乏的国家。

她用一个比喻解释了“Ocular 项目”：“想象一下，”她说，双手像指挥家一样挥动。“每个病人30分钟，每天最多30个病人。有了 Ocular？我们可以一天处理1000个病人。”她的声音变得更加坚定。

“再谈谈压力。想象一下，整个白天都在显微镜前工作，眼睛疲劳，身体疲惫。这就是实验室技术人员的现实。Ocular 消除了这种负担。现在，他们可以专注于更重要的事情——患者的精准护理和决策。”

成本问题

我提出疑问：“但这不会增加成本吗？”她笑着说：“好问题。现实是，Ocular 不需要价值10,000美元（合乌干达先令364万）的实验室设备。你只需要一部智能手机、一个成本不到10美元（合乌干达先令36,000）的3D打印适配器和一台显微镜。整个系统的成本不到3,000美元（合乌干达先令109万）。”

她向前倾身说：“与传统诊断相比，传统方法的成本包括设备、时间损失和人力紧张。Ocular 并不是增加成本，而是将成本转向更有效的地方——提高效率和影响力。”

影响

非洲的医疗系统正面临多重挑战——技术专长有限和专业设备短缺，严重削弱了其诊断能力。结果是什么？延误、误诊以及一系列后果：不适当的治疗、晚期干预和发病率及死亡率的上升。

没有可靠的诊断，患者常常接受不必要的或错误的治疗，浪费宝贵的资源，并迫使系统应对重复就诊、更长时间的治疗方案和耐药性的威胁。而缺乏及时的数据使得疾病监测陷入困境，影响了疫情追踪和资源分配的有效性。

当我们谈论疟疾、结核病和宫颈癌等疾病时，每种疾病在乌干达都带来了巨大的公共卫生挑战。仅疟疾一项就占门诊就诊的30%至40%，住院人数的20%，使乌干达成为全球疟疾传播的热点之一。结核病每10万人中有200至250例，加上耐多药结核病（MDR-TB）的增加，迫切需要更好的诊断方法。宫颈癌则是无声杀手，占乌干达女性癌症病例的40%，主要是由于筛查不足和发现较晚。

有效的疾病管理需要熟练的专业人员和先进的诊断工具。显微镜在疾病诊断中至关重要，但在乌干达和其他发展中国家，真正的瓶颈是缺乏经过培训的实验室人员。这种专业知识的缺乏限制了高质量诊断的可及性，尤其是在与疟疾和宫颈癌等地方性流行病作斗争的地区。进入变革性技术，这一改变游戏规则的技术。

“通过自动化检测疟疾和结核病等病原体，这项技术减少了诊断错误并加快了治疗决策。它已经在乌干达引起轰动，彻底改变了医学诊断，并为更广泛的区域应用奠定了基础。” Dr Nakasi 说。但像所有新技术一样，它也面临着怀疑。

人们质疑技术能否真正发挥作用，有些人担心学习曲线，还有些人更喜欢现状。此外，对未知的恐惧总是难以接受——尤其是当它动摇了一个根深蒂固的体系时。

“当你告诉临床医生 AI 可以诊断患者，他们的第一反应通常是‘除非我死了’。”她笑着摇摇头。“在非洲，AI 在医疗领域的概念曾经是陌生的。临床医生会问，‘为什么我要相信机器而不是自己的经验？’”她停顿了一下，然后指出了团队的解决方案。“因此，我们不仅构建了一个工具，还建立了信任。我们与医院工作人员并肩工作，展示成果，让他们亲身体验不同之处。转变是渐进的，但确实发生了。”

另一个担忧是“AI 会不会取代我的工作？” Dr Nakasi 举手安抚道：“AI 不是取代人类，而是增强人类的能力。从一开始我们就明确了这一点——Ocular 不会将专家排除在外；它增强了他们的能力。这样，他们不必花费数小时在一个切片上，而是获得快速准确的结果，从而做出明智的决策。这就是未来——不是自动化，而是协作。”

一个关键特性是教学辅助系统，该系统提供实时指导和反馈，显著提高了诊断准确性，同时为显微镜师和其他实验室专业人员提供持续培训。

扩展

该项目目前正在构建一个机器学习框架，该框架可以嵌入现有的疾病监测系统，提供实时数据分析和疫情预测。在未来三年内，它将在乌干达的四个地区进行试点，Dr Nakasi 将专注于完善 AI 模型，在诊所中测试，并衡量其对患者和医疗系统的影响。

该项目已获得行政和机构审查委员会（IRB）对疟疾和宫颈癌的批准，确保其符合乌干达的所有伦理标准和卫生研究法规。

超过30,000个来自卫生部批准医院的数据集为 AI 提供了高质量的数据，确保基于证据的诊断。疟疾模型达到了0.685的 mAP50，宫颈癌模型则实现了94%的准确率。已有150名技术人员和10名病理学家接受了培训，该工具已在六个医疗机构中使用，将数据转化为诊断，一次又一次取得突破。“这不仅仅是 Makerere 的事，”她双手交叉，声音坚定地说，“这是关于改变全球诊断方式。将这一技术扩展到乌干达以外，甚至非洲以外。让 AI 赋能的医疗成为常态，而不是例外。”她深吸一口气，稍作沉思，然后带着微笑补充道：“我们才刚刚开始。”

障碍

这个项目充满了创新，但也并非一帆风顺。结核病的 IRB 批准仍在等待中，这减缓了数据收集和 AI 模型开发的进度。但团队正在与 Mulago 研究伦理委员会紧密合作，希望尽快获得绿灯。

另一个挑战是硬件问题。Ocular 项目遇到了3D打印机需要不断校准的问题。但早期的困难通过快速重新设计得到了解决——毕竟谁不喜欢挑战呢？

最大的挑战是资金。Dr Nakasi 相信，如果乌干达政府看到这一解决方案的巨大潜力并提供财政支持，该项目将从突破性变为改变游戏规则，扩展到全国的疾病和医疗机构，为国家的健康创新注入新的动力。

干预措施

科学、技术和创新秘书处（STI-OP），即信息通信技术部支持的强大机构，看到了 AI 对农业、健康、国家安全、旅游和银行等领域的变革潜力。但问题是：数据分散，数字化和非数字化资源碎片化，计算访问受限——这些都是创新的障碍！

再加上缺乏本地研究，依赖进口架构，劳动力主要集中在微调现有工具而非构建新工具。

但不要害怕！STI-OP 正推动一个战略，包括建立乌干达数据交换平台以集中和货币化数据集、为业务流程外包（BPO）提供 AI 支持以培养全球 AI 技能、以及建立 AI 工作室以推动研究和采用。

他们的行动号召是：开发者，建立基础设施；学术界，创建算法、数据和人才；政府，解锁免费访问数据集和 AI 工具。

Dr Nakasi 的 Ocular 项目不仅是改变游戏规则的技术，它正在重写医疗诊断的规则手册。

在等待测试结果就像等待下一季你最喜欢的电视剧的时代，Ocular 通过 AI 赋能的精度加速了答案的获取，证明了创新不一定需要高昂的成本就能产生变革性的影响。

当然，还有障碍——比如经典的“我们需要更多资金和 IRB 批准”——但凭借 Dr Nakasi 和她的团队带来的驱动力和愿景，医疗的未来不仅看起来光明，而且速度极快。正如她所说：“我们才刚刚开始。”让 AI 革命开始吧！

(全文结束)