世界卫生组织公报（WHO Bulletin）最新的文献指出，人工智能正推动健康诊断走向更本土化与更便捷的未来。一直以来，传统检测依赖大型实验室和专业人员，不仅成本高、速度慢，也难以大规模覆盖人口。如今，人工智能让影像判读更快速，让诊断设备更轻量化，让偏乡居民也能获得早期筛查的机会。
全球亦有多项实践显示，人工智能正在扩大筛查能力。《胸科疾病期刊》的研究显示，不同国家（中国，印度，韩国，荷兰）开发的AI软体已能自动判读胸部 X 光，用于肺结核筛查，具备高敏感性（sensitivity），不仅提升筛查量，也缩短判读时间，让放射科人手紧缺的医院能够承担更多任务。
一项 2024 年发表于《自然通讯》的研究验证了一套人工智能子宫颈癌筛查系统（AICCS），用于判读与分级子宫颈细胞学样本。AICCS 系统由两部分 AI 模型组成：其一负责在局部图像区块（patch level）中侦测异常细胞；其二则用于对完整玻片影像（whole-slide image）进行整体分级。在前瞻性评估中，其敏感性为 0.946，特异性为0.890，整体准确率为 0.892，属于非常高的诊断水准。更具意义的是，AICCS 能提升细胞病理学专家的判读表现，使敏感性提高 13.3%，强化专家的早期病变辨识能力。
其实，大马也开始引入人工智能工具，其中较具代表性的是近年推出用于糖尿病视网膜病变筛查的 DR.MATA 系统。通过将 AI 判读功能与普通眼底照相机结合，基层诊所便能在短时间内完成眼底照片分析，即时获得风险分级与转介建议。虽然 DR.MATA 仍处于推广和评估阶段，但它象征著我国正迈向以人工智能提升早期检测能力的重要一步，也说明 AI 不再只停留在技术层面，而是逐渐融入公共医疗实践。
此外，大马也开始搭建人工智能治理的基础框架，为未来更广泛的医疗应用做好制度铺垫。政府在 2024 年成立国家人工智能办公室（NAIO），统筹全国 AI 的策略与发展方向；科学、工艺及革新部同年发布《人工智能伦理与治理指南》（AIGE），为公平性、安全性、隐私保护、透明度与问责等原则奠定规范基础；马来西亚医务委员会也在 2025 年推出《AI 在医疗实践中的伦理使用指南》，规范医疗工作者在使用 AI 辅助诊断时的专业责任与伦理守则。尽管这些指南仍属非强制性框架，但仍显示我国正逐步建立一套更系统化的 AI 治理生态，为未来的大规模筛查和临床实践提供方向与保障。
从公共卫生角度看，大马具备推动人工智能筛查的多项基础条件。我国面临沉重的慢性病负担，而这些疾病本身非常适合由人工智能承担初筛角色。全国范围内庞大的卫生诊所(Klinik Kesihatan) 网络，也为扩大筛查覆盖提供了天然优势。如果能够从糖尿病、心血管疾病、癌症、肾脏疾病或肺部疾病等高负担领域著手，采用“AI 初筛、医护复核］的分阶段模式推进，我们将有能力逐步建立一个更广泛与高效的早期筛查体系。
然而，人工智能并不能直接解决全民筛查的所有难题。首先，若训练数据缺乏多样性，AI 在不同族群或真实场景中的表现可能出现偏差，难以满足全民适用的要求。其次，基础设施仍是最大阻力。人工智能需要稳定网络、电力和影像设备。此外，若AI 出错，责任该如何划分？因此，若要全面使用人工智进行全民筛查，还需要制度和环境的配合。
人工智能是否真的能让全民筛查成为现实？这个问题恐怕一时半刻也难有定论。不过，科技的进步确实让我们看见了一条过去不太敢想的路。筛查速度变快、成本降低，规模放大，让风险在疾病找上门之前就露出一点端倪。
但话又说回来，这些美好的想象若要落地，前提是政策必须稳定，基层医疗设备要跟得上，监管必须到位，民众也得愿意相信这套系统。人工智能会不会让全民筛查自动发生，但它确实把距离拉近了一些。至于有没有机会借此重新塑造我国的预防性医疗，这得看我们接下来怎么走了。
参考文献：
1. Dong J, Woo D, Kostaridou V, Wang Y, Resende VMF. Artificial intelligence applied to local production of diagnostic tests. Bull World Health Organ. 2025 Dec 1;103(12):826-828. doi: 10.2471/BLT.25.293235.
2. Han ZL, Zhang YY, Li J, Gao S, Liu W, Yang WJ, Xing ZH. A systematic review and meta-analysis of artificial intelligence software for tuberculosis diagnosis using chest X-ray imaging. J Thorac Dis. 2025 May 30;17(5):3223-3237. doi: 10.21037/jtd-2025-604）
3. Wang, J., Yu, Y., Tan, Y. et al. Artificial intelligence enables precision diagnosis of cervical cytology grades and cervical cancer. Nat Commun 15, 4369 (2024). https://doi.org/10.1038/s41467-024-48705-3
自由撰稿人。
