在撒哈拉以南非洲，专业临床专家的获取仍然严重受限，尤其是在乡村地区，医生与患者的比例可能低于1:25,000。现有的AI辅助诊断工具通常需要可靠的互联网连接和高规格硬件，这使得它们在基层医院和卫生中心中变得不切实际。
本文介绍了Aletheia，一个专为低资源医疗环境设计的离线优先临床决策支持系统，旨在改善撒哈拉以南非洲的医疗服务。
Aletheia基于Qwen2.5-3B-Instruct构建，采用量化低秩适配（QLoRA）对27,000个临床推理样本进行了微调，这些样本涉及东非50种高发病症。评估结果显示，该系统的Top-1诊断准确率达到80.0%，Top-3准确率为100.0%，BERTScore-F1为0.909，METEOR为0.467，涵盖了十个具有代表性的临床案例类别。
系统的期望校准误差（ECE）为0.275，并且通过了2026年非洲深科技挑战（ADTC 2026）对7,168 MB内存预算的限制，在标准化基准笔记本电脑上实现了约3,630 MB的峰值推理RAM。这些结果表明，在没有云基础设施的情况下，在资源匮乏的环境中将基于大型语言模型的临床推理部署到初级医疗水平是可行的。
博主点评： Aletheia展示了如何在资源有限的环境中利用先进的AI技术提升医疗服务的可及性。其离线功能和高准确率使其成为应对非洲地区医疗挑战的有力工具，值得关注其未来应用的广泛性和效果。