AI 模型提前六个月预测营养不良

快速阅读: 据《SciDev.Net》最新报道，研究人员开发了一种基于人工智能的工具，可提前六个月预测肯尼亚的急性儿童营养不良趋势，其准确率分别为89%和86%。该工具整合了临床数据和卫星图像，有望帮助资源分配并应用于其他低收入及中等收入国家。跨部门合作和数字基础设施投资对此至关重要。

[内罗毕讯， SciDev.Net ] 研究人员称，一种能够提前六个月预测急性儿童营养不良的人工智能工具，或许有助于在肯尼亚乃至整个非洲应对这一问题。根据世界卫生组织的数据，营养不良是全球死亡的主要原因之一，近一半五岁以下儿童的死亡与急性营养不良有关——其中大多数发生在低收入及中等收入国家。然而，在像肯尼亚这样的国家，数据缺失可能让确定资源集中点变得困难。根据2022年肯尼亚人口与健康调查，该国5%的儿童患有急性营养不良，这一比例被视为公共卫生问题。

科学家们研发出一种利用临床健康数据和卫星图像预测全国范围内营养不良发展趋势的机器学习模型。该工具由南加州大学（USC）团队与微软“AI公益研究实验室”、非洲医疗基金会及肯尼亚卫生部共同开发。南加州大学全球健康不平等研究所负责人劳拉·弗格森指出，目标是为卫生部门提供早期预警，助力有效预防和治疗。“该工具旨在预测肯尼亚各郡的营养不良状况，并制定预防和治疗方案，”弗格森向SciDev.Net表示。

为进行这些预测，该模型从政府的地区卫生信息系统（DHIS2）中提取数据，并结合卫星图像来确定营养不良可能发生的时间和地点。与单纯依赖历史趋势的传统模型不同，这种人工智能工具整合了超过17,000家肯尼亚医疗机构的临床数据。该模型对一个月预测的准确率为89%，对六个月预测的准确率为86%，较基准模型有显著提升。此外，弗格森补充说，该工具还能将卫星图像中的农业植被公开数据纳入模型，用以显示可获得的食物来源。

受肯尼亚成果的激励，研究人员希望该工具能适用于几乎所有使用DHIS2的国家——尤其是80个低收入及中等收入国家，这些国家的儿童死亡率仍因营养不良居高不下。“这一模型堪称颠覆性的创新，”南加州大学计算机科学副教授兼人工智能社会中心主任布里斯特拉·迪尔基纳指出。“借助基于数据驱动的人工智能模型，我们可以捕捉多个变量间的复杂关联，从而更精准地预测营养不良。”

为最大程度发挥该工具的作用，跨部门协作尤为重要，非洲医疗基金会数字转型主管塞缪尔·姆布鲁表示，他亦参与了此项目。“持续投资于数字健康基础设施和培训同样至关重要，”姆布鲁向SciDev.Net表示。

美国非营利组织海伦·凯勒国际组织驻肯尼亚代表彼得·奥夫瓦雷认同将植被数据与DHIS2结合能提升预测准确性。“这提升了预测的准确性，”奥夫瓦雷表示，他并未参与此项研究。

这篇文章由SciDev.Net的撒哈拉以南非洲新闻台撰写。

(以上内容均由Ai生成)