Modelele fundamentale de inteligență artificială ajung în prima linie a depistării tuberculozei

Conform unui raport oficial publicat pe 23 octombrie 2026 de către Preeti Singh (Lead, Technical Program Manager) și Shravya Shetty (Distinguished Software Engineer) din cadrul Google Research, blocajul principal în depistarea bolii este radiologia. Pentru persoanele din regiunile puternic afectate, de la comunitățile rurale izolate până la minerii care lucrează la mare adâncime în subteran, medicii radiologi sunt greu de găsit, iar centrele de imagistică se află la zile distanță. Din această cauză, milioane de cazuri active rămân nediagnosticate, ceea ce perpetuează transmiterea bacteriei în comunitate.

În ultimii cinci ani, echipele reunite din cadrul Google Research și Google for Health au lucrat pentru a schimba această realitate. Proiectul a evoluat de la un instrument de inteligență artificială antrenat să identifice pacienții cu suspiciune de TBC pe imagini medicale, către studii clinice prospective, obținerea aprobărilor de reglementare alături de parteneri locali și lansarea unor modele fundaționale deschise, precum MedGemma. Aceste rezultate au fost prezentate pe larg în cadrul conferinței medicale IDWeek 2026 din Washington, D.C., demonstrând modul în care cercetarea avansată poate democratiza screeningul pulmonar la scară globală.

Validarea științifică: Poate inteligența artificială să interpreteze radiografii toracice cu precizia unui medic radiolog?

Cercetarea a pornit de la o întrebare fundamentală pentru lumea medicală: pot instrumentele bazate pe inteligență artificială să citească radiografiile toracice (CXR) cu acuratețea unui radiolog cu experiență în depistarea tuberculozei?

Radiografia toracică reprezintă principala metodă imagistică de screening pulmonar. Cu toate acestea, identificarea semnelor subtile de TBC, cum sunt infiltratele apicale (acumularea de lichid în partea superioară a plămânului) și leziunile cavitare (distrugerea țesutului pulmonar), necesită o pregătire de specialitate rar întâlnită în dispensarele și clinicile rurale. În anul 2019, echipa de cercetare a publicat un studiu de referință în jurnalul științific Radiology, demonstrând că algoritmii de învățare profundă (deep learning) pot detecta tuberculoza pulmonară activă la un nivel de performanță comparabil cu cel al medicilor radiologi experimentați.

Utilitatea în practica medicală reală necesită însă verificări independente. În august 2021, organizația Stop TB Partnership a evaluat programele software de detecție asistată de computer (CAD) pe grupuri diverse de pacienți, într-un studiu publicat în The Lancet Digital Health, clasând modelul dezvoltat de Google printre cei mai performanți algoritmi de screening TBC la nivel mondial. În același an, Organizația Mondială a Sănătății (OMS) a recomandat oficial utilizarea tehnologiilor CAD pentru screeningul și triajul tuberculozei. Ulterior, în septembrie 2024, un studiu prospectiv desfășurat în multiple centre medicale și publicat în NEJM AI a confirmat faptul că screeningul asistat de AI își păstrează sensibilitatea ridicată (minimizând cazurile ratate) pe populații variate de pacienți, detectând în mod fiabil și alte anomalii pulmonare sau cardiace accidentale.

De la algoritm de laborator la dispozitiv medical omologat: Parteneriatul cu Nexus AI

În domeniul inteligenței artificiale medicale, publicarea unei lucrări științifice reprezintă doar primul pas. Între un model algoritmic performant și un instrument clinic de încredere folosit la patul pacientului există o etapă critică de tranziție: adaptarea software-ului pentru a funcționa stabil pe aparate de radiografie diferite și în medii fără internet, integrarea în fluxul de lucru al clinicilor și respectarea legislației stricte privind dispozitivele medicale.

Pentru a realiza această tranziție, Google a încheiat un parteneriat cu Nexus AI, o companie de tehnologie medicală cu sediul în Pretoria, Africa de Sud, care a transformat algoritmii de analiză a radiografiilor toracice într-un instrument de diagnostic clinic certificat. Procesul de reglementare a implicat audituri complexe și certificări internaționale:

• Certificare europeană CE MDR Clasa IIb: În conformitate cu Regulamentul Uniunii Europene privind dispozitivele medicale (EU MDR 2017/745), Nexus AI a obținut certificarea de Clasă IIb, o atestare riguroasă bazată pe evaluări clinice prospective, care confirmă siguranța instrumentului în îngrijirea pacienților.

• Standarde internaționale de calitate: Compania a obținut certificarea de conformitate cu standardul ISO 13485 pentru managementul calității dispozitivelor medicale.

• Acces global și precalificare OMS: Nexus AI a semnat un acord cu organizația FIND pentru a obține precalificarea din partea Organizației Mondiale a Sănătății (WHO PQ), o etapă esențială pentru achizițiile internaționale derulate prin agențiile globale de sănătate, având în paralel demersuri avansate pentru aprobarea FDA în Statele Unite.

Impactul în prima linie: Reducerea timpului de așteptare la sub 45 de secunde

În prezent, divizia Nexus Intelligence implementează activ această tehnologie în regiunile în care accesul la diagnostic este vital. Sistemul operează în aproximativ 40 de unități medicale din șase țări africane: Africa de Sud, Sierra Leone și Coasta de Fildeș, cu extinderi aflate în desfășurare în Republica Democrată Congo, Zambia și Camerun.

Până în acest moment, peste 90 de medici clinicieni au evaluat mai mult de 25.000 de radiografii toracice cu ajutorul platformei. Timpul de obținere a rezultatelor a scăzut de la câteva săptămâni la mai puțin de 45 de secunde, accelerând triajul rapid și oferind cadrelor medicale suportul necesar pentru decizia clinică finală. Aplicația analizează imaginea radiografică și încercuiește automat zonele pulmonare care prezintă modificări sugestive pentru tuberculoză sau care necesită investigații suplimentare. În plus, pentru a susține accesul echitabil la sănătate, Nexus AI a oferit peste 3.000 de evaluări gratuite în clinicile publice cu resurse limitate, urmărind atingerea pragului de 10.000 de screeninguri sponsorizate în fiecare an.

Screening în condiții extreme: Intervenția la 4 kilometri sub pământ în mina Mponeng

Unul dintre cele mai relevante exemple de aducere a medicinei direct acolo unde se află pacienții este proiectul derulat la mina de aur Mponeng din Africa de Sud, una dintre cele mai adânci exploatări miniere din lume. Minerii care lucrează în puțurile de mare adâncime sunt expuși cronic la praful de siliciu și prezintă un risc major de afecțiuni pulmonare.

Printr-o colaborare între Stop TB Partnership, compania Harmony Gold Mine și Departamentul de Sănătate din Africa de Sud, Nexus AI a instalat truse digitale ultraportabile de radiografie și sisteme AI capabile să funcționeze offline la patru kilometri adâncime în subteran. Minerii sunt evaluați la fața locului în câteva secunde, iar persoanele identificate cu suspiciune de TBC sunt îndrumate pe loc către testarea moleculară de confirmare. Întregul parcurs medical, care include screeningul, triajul și testul de confirmare, se desfășoară acum într-o singură vizită, comprimând un proces care în mod obișnuit dura săptămâni întregi.

De la soluții punctuale la modele fundaționale deschise: HAI-DEF, MedSigLIP și MedGemma

O soluție dezvoltată cu un singur partener nu poate acoperi singură nevoile globale de depistare a tuberculozei. Pentru a extinde impactul, echipa de cercetare a trecut de la implementări izolate la construirea unor fundații tehnologice deschise și adaptabile, care le permit dezvoltatorilor și ministerelor sănătății să își creeze propriile instrumente adaptate specificului local.

Prin inițiativa Health AI Developer Foundations (HAI-DEF), Google a pus la dispoziție în regim open-source reprezentările sale vectoriale pentru radiografii toracice și MedSigLIP, un model vizual și lingvistic eficient, antrenat să coreleze imaginile medicale cu terminologia clinică folosită pentru descrierea lor. Deoarece MedSigLIP înțelege simultan atât imaginile, cât și textul medical, dezvoltatorii îl pot folosi pentru a clasifica sau căuta imagini pe baza unor etichete în limbaj natural sau îl pot calibra pentru sarcini specifice folosind un set redus de exemple locale. Astfel, echipele medicale regionale pot construi modele specializate pe baze de date modeste, obținând performanțe ridicate fără a depinde de o infrastructură masivă de calcul.

Pe această bază a fost lansată MedGemma, o familie de modele multimodale cu ponderi deschise, disponibilă în configurații de 4 miliarde și 27 de miliarde de parametri. MedGemma face saltul de la clasificarea de bază la raționamentul clinic multimodal: sintetizează constatările de pe radiografie cu istoricul medical al pacientului, răspunde la întrebările medicilor în limbaj natural și rulează local pe echipamente, fără conexiune la internet. De la momentul lansării, MedGemma a înregistrat peste 10 milioane de descărcări la nivel global.

Suveranitatea datelor medicale: Sprijinirea programului național din Indonezia

Modelele deschise oferă sistemelor publice de sănătate posibilitatea de a construi soluții suverane care protejează confidențialitatea pacienților. În Asia de Sud-Est, Ministerul Sănătății din Indonezia gestionează a doua cea mai mare rată a tuberculozei din lume și și-a asumat un obiectiv național major: evaluarea anuală a 50 de milioane de cetățeni pentru eradicarea bolii.

Analizarea manuală a 50 de milioane de radiografii este imposibil de realizat, iar utilizarea unor programe software comerciale bazate pe cloud ridică probleme legate de legislația privind stocarea datelor pe teritoriul național. Ca soluție, Ministerul Sănătății din Indonezia calibrează modelele MedGemma și MedSigLIP direct pe radiografiile toracice interne. Deoarece modelele rulează pe infrastructura informatică locală, datele medicale ale pacienților rămân în interiorul granițelor țării, oferind autorităților sanitare control deplin asupra implementării clinice.

Screening complementar prin bioacustică: Analiza tusei cu tehnologia HeAR

Luând în calcul faptul că aparatele de radiografie nu pot ajunge în fiecare punct sanitar izolat, Google Research a dezvoltat și sistemul Health Acoustic Representations (HeAR). Antrenat pe mai mult de 300 de milioane de segmente audio, modelul HeAR permite efectuarea unui screening acustic neinvaziv prin analizarea sunetului tusei, înregistrat cu ajutorul microfonului de pe un telefon mobil obișnuit.

Tehnologia HeAR este deja utilizată în proiecte de cercetare colaborativă din Africa Subsahariană, desfășurate împreună cu Centrul pentru Cercetarea Bolilor Infecțioase din Zambia (CIDRZ), Institutul Aurum din Ghana (sprijinit printr-un grant Google.org în valoare de 250.000 de dolari) și consorțiul regional HELINA (printr-o finanțare de 1,5 milioane de dolari). Împreună, triajul acustic prin HeAR, screeningul radiografic mobil prin HAI-DEF și raționamentul clinic multimodal oferit de MedGemma pun la dispoziția comunităților o cascadă completă și integrată de diagnostic, dedicată populațiilor cu acces medical limitat.

Perspective pentru viitorul medicinei și colaborări internaționale

Parcursul de la un algoritm testat în laborator până la un instrument medical certificat CE și utilizat în clinici din șase țări demonstrează elementele necesare pentru ca inovația să producă rezultate concrete în viața pacienților: cercetare științifică riguroasă, platforme deschise pentru dezvoltatori și parteneriate locale solide. Autorii raportului își exprimă recunoștința față de partenerii implicați în conducerea clinică a acestor proiecte: Nexus AI, Stop TB Partnership, UNOPS, CIDRZ, Institutul Aurum, HELINA, Harmony Gold Mine, Departamentul de Sănătate din Africa de Sud și Ministerul Sănătății din Indonezia.

• Sursa informațiilor și detalii suplimentare: Articolul original „Bringing foundational models to the front lines of TB screening”, semnat de Preeti Singh și Shravya Shetty, poate fi consultat integral pe blogul oficial Google Research.