“我见证过无数轮技术更迭的浪潮，每一次都被视为世界关注的焦点。然而，没有任何一场变革能与人工智能（AI）带来的冲击相匹敌。”

近期，全球最大的私营慈善组织——盖茨基金会公布了其第十份年度《目标守护者报告》（下称《报告》）。在开篇的主席致辞中，比尔·盖茨将AI置于极高战略地位。

该《报告发出警告指出，AI正在加剧社会不平等，而决定哪些群体能从AI中获益及其速度的关键时间窗口极为短暂。若要确保AI切实改善全球最贫困人口的生存状况和生活质量，接下来的12至18个月将是决定性时期。

与此同时，盖茨基金会宣布了一项重大举措：计划在两年内注入至少10亿美元资金，旨在推动AI技术在全球范围内更广泛、更公平地普及。从资金配置来看，医疗健康领域占据了40%的比重，成为核心投向之一。

“AI发挥正面作用绝非自然而然之事。”来自学术界、医疗机构及技术企业的多位专家在接受《每日经济新闻》（下称每经记者）采访时强调，仅仅提供AI工具不足以提升医疗服务覆盖面，本土化的设计理念与数据支撑才是关键。

**AI非“万能解药”，单靠工具交付难破医疗可及性困局**

数据显示，在撒哈拉以南非洲地区，平均每名医生需承担约2000人的医疗责任，意味着一位医生往往要兼顾整座城镇的健康需求。相比之下，在高收入国家，每位医生的服务对象不足200人。若要让撒哈拉以南非洲的医疗可及性逼近这一标准，该地区亟需补充超过200万名医生。

AI技术的迅猛进步，为中低收入国家填补医疗人力缺口提供了可能。为此，盖茨基金会承诺在未来两年投入至少10亿美元以缩小AI获取差距。具体资金分配如下：约40%用于教育，40%用于健康，10%用于农业，剩余10%则用于构建公平包容AI生态所需的数字基础设施，包括建立目前AI工具覆盖不足的多种语言数据集。

在健康板块，基金会的重点支持方向包括：开发AI辅助诊断及临床决策系统、增强基层卫生人员能力、改善孕产妇及新生儿健康状况，并利用AI加速新药与疫苗的研发现代化进程。

然而，AI并不能自动消除现有鸿沟。清华大学医学院水木学者、助理研究员曾典向每经记者透露，她的团队联合全球42家机构、214名来自不同资源背景的临床医生进行了对照实验。结果表明，虽然AI模型能有效提升各组医生的诊疗水平，并有助于缩小高低资源区域间的差距，但低资源地区医生借助AI给出的诊疗建议评分，仍低于顶尖三甲医院专家的基准线。

这一发现与国际前沿研究相互佐证。今年，《自然·医学》发表的一项重磅研究显示，在肯尼亚16家基层医疗机构，针对103名医务人员和近万名患者的实地测试表明，尽管AI模型本身具有较高的准确率，但若仅将其直接部署于临床环境，并不必然转化为实际的诊疗效益。

深势科技算法研究员李翰政也持相似观点。在与科研团队合作利用AI分子模型研发新型灭蚊分子、以应对蚊虫抗药性的项目中，他观察到，AI辅助研发确实能拓宽化学分子的探索范围，通过优先筛选候选化合物来减少无效实验。但他同时也指出，AI无法取代科研人员，实验数据的持续反馈对于模型迭代优化至关重要，科学家的专业判断与实际实验仍是整个研发链条的核心。

**警惕新医疗差距产生，中国定制化医疗产品已进军非洲**

“当资源充裕的医院将AI深度融入工作流程并形成闭环时，医生与AI的能力会同步提升；反之，在资源匮乏的医院，若医生仅是被动接受AI结果，其专业技能反而可能退化，这极具风险。”曾典的这一担忧与《报告》的观点不谋而合：若完全交由市场主导，最先进的工具往往会优先服务于支付能力最强的个人或机构，而非那些最需要帮助的人。

《报告》提出，为确保更多人真正受益于AI，当前需重点落实三项措施：

第一，确保AI工具支持所有语言，鉴于目前早期大语言模型训练数据的90%以上源自英语材料；第二，基于本地数据，针对特定地域情况进行个性化设计；第三，加大人才培养与可及性投资，确保医生、农民、教师及开发者不仅能使用AI，还具备评估AI有效性及结合本地情境进行调整改进的能力。此外，AI技术本身的成本必须保持亲民。

在全球媒体电话会议上，盖茨基金会首席执行官马克·苏斯曼（Mark Suzman）对每经记者表示，团队坚信AI未来将带来颠覆性影响，但这建立在必要的前期投入之上。目前，各类应用场景尚处于初级阶段，尚未实现同等规模的普及。

马克·苏斯曼还指出，长远来看，基金会期望全球性及本土企业共同参与发展中国家的AI市场建设，关键在于明确发展目标及受益对象。

据公开资料显示，中国企业已积极介入这一领域，面向非洲孕产妇筛查的AI便携式超声设备便是典型代表。今年3月，理邦超声在肯尼亚推出了智能手持超声仪1.0版本，成为全球首家将基于AI的盲扫掌上超声产品引入非洲市场并完成商业化落地的企业。

理邦超声技术委员会主席莫建华向每经记者介绍，该产品主要瞄准非洲市场，基本是为非洲及其他医疗资源匮乏、经济欠发达的国家量身定制。

**“AI促进公平”贯穿研发全流程，本土化思维与数据不可或缺**

针对如何为非洲等欠发达地区开发适用的AI医疗工具，莫建华向每经记者分享了宝贵的实践经验。

他指出，洞察当地市场需求是首要步骤。依据世界卫生组织的建议，即使是低风险孕妇，也应在妊娠24周前至少完成一次超声检查。然而，全球仍有三分之二的人口无法获得任何形式的医学影像服务。莫建华在非洲实地考察后发现情况更为严峻：相当比例的孕妇在分娩前从未进行过超声检查，医护人员极度缺乏对创新产品的操作指导。基于此观察，公司为产品设计确立了三大核心原则：可负担、精准、可及。

在AI模型训练方面，本土化数据的重要性不言而喻。莫建华介绍，为确保模型结果的准确性，团队使用了超过1.4万例样本进行开发，其中1.1万例用于训练，3800例用于性能评估。数据采集范围极广，涵盖非洲、美国、中国和欧洲等多个地区。

具体而言，在预训练阶段，团队采用了盖茨基金会支持的开源FAMLI数据集，该数据集样本主要来自非洲和美国，其中非洲样本逾10000例，美国样本逾2000例。在模型轻量化开发与调优环节，团队利用了理邦掌超在中国和非洲采集的上千例数据进行训练与测试。最终验证阶段，团队使用了完全独立采集自加纳的数据集。值得注意的是，模型后期的微调无需再依赖预训练阶段那样海量的数据。

在新型灭蚊分子的研发实践中，李翰政同样总结出了一套具备本土化思维的研发方法论。他强调，应将“AI促进公平”的理念贯穿于研发始终，并优先解答四个关键问题：一是为谁研发？研发是否优先回应高疾病负担地区及资源受限场景下的真实痛点；二是如何验证？方案是否适应非洲当地蚊群的抗药性现状及现场使用条件；三是面向欠发达地区人群，产品是否具备可负担性，因此未来需将制造成本和稳定性纳入优化指标；四是如何实现落地可及？需依托公共卫生体系，并配备后续的科学评估机制。