Aletheia：為低資源醫療環境設計的離線臨床決策支援系統

撒哈拉沙漠以南非洲地區的醫療資源極度匱乏，農村地區的醫病比例甚至低於 1:25,000。現有的 AI 輔助診斷工具大多依賴穩定的網路連線與高規格硬體，使得這些方案在區域醫院與衛生中心的基層醫療工作者中難以實際應用。

針對此困境，研究團隊開發了 Aletheia，這是一個專為撒哈拉沙漠以南非洲低資源醫療環境設計的離線臨床決策支援系統。該系統基於 Qwen2.5-3B-Instruct 模型，並使用 Quantised Low-Rank Adaptation (QLoRA) 技術，在包含東非常見 50 種疾病條件的 27,000 個臨床推理樣本上進行微調。

評估結果顯示，Aletheia 在十個代表性臨床案例類別中，Top-1 診斷準確率達到 80.0%，Top-3 準確率為 100.0%，BERTScore-F1 為 0.909，METEOR 為 0.467。其 Expected Calibration Error (ECE) 為 0.275，並成功通過 Africa Deep Tech Challenge 2026 (ADTC 2026) 的記憶體預算限制，標準化筆記型電腦上的峰值推理 RAM 約為 3,630 MB，而該挑戰的記憶體預算上限為 7,168 MB。

這些數據證明了在無需雲端基礎設施的情況下，將基於大型語言模型的臨床推理部署於資源受限環境的基層醫療層級是可行的。