A tuberculose mata mais de 1,23 milhão de pessoas por ano, e em muitos lugares com alta carga o gargalo não é o tratamento, e sim encontrar os casos: faltam radiologistas para ler radiografias de tórax. O Google Research explicou, na conferência IDWeek 2026, como seu trabalho com tuberculose saiu dos artigos para as clínicas e como agora se apoia em modelos abertos que os sistemas de saúde locais podem rodar por conta própria.
O caminho clínico passa pela Nexus AI, empresa de tecnologia médica de Pretória que transformou os algoritmos de raio X de tórax do Google num produto certificado. Ele tem certificação Classe IIb pelo Regulamento de Dispositivos Médicos da UE, busca a pré-qualificação da Organização Mundial da Saúde por meio de um acordo com a FIND e avança rumo à liberação da FDA americana. A ferramenta está em uso na África do Sul, em Serra Leoa e na Costa do Marfim, com expansões em andamento na República Democrática do Congo, na Zâmbia e em Camarões. Em cerca de 40 unidades, mais de 90 profissionais revisaram mais de 25.000 radiografias, com resultados em menos de 45 segundos em vez de semanas. Uma instalação combina um aparelho portátil de raio X com a IA em Mponeng, uma das minas de ouro mais profundas do mundo.
A parte aberta é o que permite escalar. O Google lançou o MedSigLIP, que liga imagens médicas à linguagem usada para descrevê-las, e o MedGemma, modelos de pesos abertos com 4B e 27B parâmetros, que analisamos na versão 4B. A Indonésia, que segundo o Google tem a segunda maior carga de tuberculose do mundo e quer triar 50 milhões de pessoas por ano, está ajustando os dois com suas próprias radiografias para que os dados dos pacientes fiquem no país. Onde não há exame de imagem, o HeAR, treinado com mais de 300 milhões de trechos de áudio, faz a triagem pelo som da tosse gravado num celular.
Para quem avalia IA médica, é um caso útil de modelo que roda offline e pode ser adaptado localmente, em vez de ir para uma nuvem estrangeira. O MedGemma passou de 10 milhões de downloads, pela conta do Google.
O que o texto não traz é o número mais importante: a precisão das ferramentas em uso. Não há dados de sensibilidade nem de especificidade para o produto de raio X nem para o HeAR, que ainda reúne evidências clínicas com parceiros. A pré-qualificação da OMS e a liberação da FDA estão pendentes, e os números de volume vêm do Google e do parceiro. Até surgirem dados independentes de precisão, a escala da implantação está mais clara do que o seu efeito clínico.