" 我已经历过多次变革的浪潮，每一次都仿佛是全世界的头等大事。但没有任何一次，能与人工智能（AI）相提并论。"

近日，全球最大的私人慈善基金会——盖茨基金会发布了第十份年度《目标守卫者报告》（以下简称《报告》），比尔 · 盖茨在开头的主席致辞中，将 AI 提到了极高的位置。

《报告》警示，AI 带来了不平等加剧的挑战，决定谁能从 AI 中受益、又能多快受益的窗口期十分短暂，要让 AI 真正帮助改善世界上最贫困人群的生活和生计，未来 12~18 个月至关重要。

同时，盖茨基金会宣布计划在未来两年至少投入 10 亿美元，推动 AI 更加广泛、公平地惠及全球人群。从资金分配看，健康占比达到 40%，是主要领域之一。

"AI 发挥积极作用不会自然发生。" 来自高校、医疗公司和技术公司的多位专家告诉《每日经济新闻》记者（以下简称每经记者），仅仅交付 AI 工具难以提升医疗可及性，本地化思维和数据非常重要。

盖茨基金会主席比尔 · 盖茨致辞 图片来源：《报告》截图

AI 并非 " 万能钥匙 "，仅交付工具难以提升医疗可及性

根据《报告》，在撒哈拉以南非洲地区，一名医生大约需要照顾 2000 个人，这意味着一个医生往往要为整个城镇的健康负责。而在高收入国家，每个医生服务的人数不到 200。如果想让撒哈拉以南非洲地区的医疗可及性接近这一水平，还需增加 200 多万医生。

AI 技术的飞速发展，让中低收入国家医疗人力缺口有希望被弥补。因此，盖茨基金会承诺未来两年投入至少 10 亿美元用于缩小 AI 的可及性差距，其中约 40% 用于教育，40% 用于健康，10% 用于农业，10% 用于建设公平普惠 AI 所需的数字基础设施，包括建设目前 AI 工具尚未充分覆盖的语言数据集。

在健康领域，盖茨基金会将支持 AI 诊断和临床决策工具、赋能一线卫生工作者、改善孕产妇和新生儿健康，以及利用 AI 加速新药和疫苗研发。

但是，AI 不会自动弥合现有的差距。曾典是清华大学医学院水木学者、助理研究员，她告诉每经记者，团队联合全球 42 家机构、214 名来自不同资源条件地区的临床医生开展对照实验。结果显示，AI 模型对不同组别医生的诊疗能力均有提升效果，也能够缩小高低资源地区之间的诊疗差距，但低资源地区医生给出的诊疗建议评分，依旧不及高水平三甲医院专家。

这一结论也得到国际研究的交叉印证。今年《Nature Medicine》刊发一项重磅研究，在肯尼亚 16 家基层医疗机构，针对 103 名医务工作者、近万名患者开展实地测试。研究证实，AI 模型本身具备较高准确率，但单纯将模型投放到临床环境，并不会自动转化为实际诊疗收益。

深势科技的算法研究员李翰政也有类似观察。在依托 AI 分子模型研发新型灭蚊分子、应对蚊虫杀虫剂抗药性难题的合作项目中，他发现 AI 辅助研发能够拓展化学分子探索边界，对候选化合物做优先级筛选，减少无效实验，但 AI 不能替代科研人员，实验数据会持续回输模型实现迭代优化，科学家判断与科学试验依旧是整个链条的核心。

AI 可能催生新医疗差距 中国已有定制医疗产品出海非洲

" 一个资源更好的医院把 AI 嵌入到工作流，形成闭环，医生和 AI 的能力同时增长；而在资源差的医院，医生只是单纯接收 AI，技能反而退却了，这是很危险的。" 曾典的这句感慨，与《报告》的观点不谋而合：如果完全由市场决定，最强大的工具将首先为最有支付能力的人和机构开发，而未必是那些最能从中受益的人。

《报告》提出，要让更多人真正从 AI 中受益，当前尤其需要做三件事。

首先，让 AI 工具支持所有语言，而目前训练早期大语言模型的 90% 以上数据来自英语信源；其次，基于本地数据，为本地情况设计；再次，投资人才和可及性，即医生、农民、教师和开发人员不仅要能够用上 AI，还要有能力判断 AI 是否有效，并结合当地情况不断调整和改进。同时，AI 技术本身也必须足够可负担。

在全球媒体电话会上，盖茨基金会 CEO 马克・苏斯曼（Mark Suzman）对每经记者表示，团队相信 AI 在未来会带来变革性影响，但前提是要做好这些必要的投入。目前所有应用场景仍然比较有限，且尚未实现同等程度的规模化应用。

马克・苏斯曼还表示，长期来看，盖茨基金会希望全球企业和本地企业能参与到发展中国家 AI 市场的发展中，但关键是明确发展目标和受益人群。

从公开资料看，中国企业已经投身其中，面向非洲孕产妇筛查的 AI 掌上超声就是代表性案例。今年 3 月，理邦超声在肯尼亚发布了智能手持超声仪 1.0 版，成为全球第一家基于 AI 的盲扫掌上超声产品推向非洲市场并实现商业化落地的公司。

理邦超声技术委员会主席莫建华告诉每经记者，公司的这款产品主要针对非洲国家，基本上是为非洲等欠发达及医疗资源匮乏的国家和地区量身定制的。

将 "AI 促进公平 " 贯穿研发全过程，本地化思维和数据非常重要

关于如何为非洲等地欠发达国家开发 AI 医疗工具，莫建华向每经记者分享了宝贵经验。

莫建华表示，了解当地市场的需求是第一步。根据世界卫生组织的指南建议，即便是低风险孕妇，也应在 24 周前至少完成一次超声检查，但全球有三分之二的人口无法获得任何形式的医学影像服务，而他在非洲看到的实际状况更加严峻：相当大比例的孕妇在分娩之前没有做过任何一次超声检查，医护人员特别需要创新产品的使用指导，也正是这一观察，为公司的产品设计归纳了三个关键词：可负担、精准、可及。

在 AI 模型的训练上，本地化数据特别重要。据莫建华介绍，为了保证 AI 模型的结果是准确的，团队使用超过 1.4 万例样本进行模型开发，其中 1.1 万例进行训练，3800 例用来测量模型性能，数据采集地区非常广泛，来自非洲、美国、中国、欧洲地区。

具体来说，在预训练阶段，团队采用盖茨基金会支持的开源 FAMLI 数据集，数据集样本主要来源于非洲与美国，其中非洲样本 10000 余例，美国样本 2000 余例。

在模型轻量化的开发和调优过程中，团队使用理邦掌超在中国和非洲采集的上千例数据进行训练和测试。在最后验证阶段，团队采用了完全独立的从加纳采集的数据，但模型后期调优，无需重复使用预训练阶段那样庞大的数据量。

在新型灭蚊分子的研发实践当中，李翰政也总结出具备本地化思维的研发经验。他表示，要将 "AI 促进公平 " 贯穿研发全过程，要优先回答四大问题：第一，为谁研发，研发能否优先回应高疾病负担地区、资源约束场景下的真实需求；第二，如何开展验证，方案能否适配非洲当地蚊群抗性情况与现场使用条件；第三，面向欠发达地区人群，产品是否具备可负担性，因此未来要将制造成本、稳定性等纳入优化目标；第四，如何落地可及，依托公共卫生体系并配套后续科学评估。