一种可以提前六个月预测儿童急性营养不良的人工智能（AI）工具，有望帮助在肯尼亚及整个非洲地区对抗这一问题。根据世界卫生组织的数据，五岁以下儿童死亡中近一半与急性营养不良有关，其中大多数发生在低收入和中等收入国家。
然而，数据缺口使得像肯尼亚这样的国家难以确定资源的集中点。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，这是一个公共卫生问题。
科学家们开发了一种机器学习模型，利用临床健康数据和卫星图像来预测全国范围内的营养不良趋势。该工具由南加州大学（University of Southern California, USC）的研究团队与微软的“AI for Good”研究实验室、Amref Health Africa以及肯尼亚卫生部合作开发。
该项目的主要研究人员、USC全球健康不平等研究所的研究主任劳拉·弗格森（Laura Ferguson）表示，该工具的目标是为卫生当局提供早期预警，以支持有效的预防和治疗响应。“该工具旨在预测肯尼亚各郡的营养不良情况，并制定预防和治疗策略，”弗格森告诉SciDev.Net。
为了进行这些预测，该模型从政府的区县健康信息系统（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。与仅依赖历史趋势的传统模型不同，这个AI工具整合了来自超过17,000个肯尼亚卫生设施的临床数据。它在一个月的预测中达到了89%的准确性，在六个月的预测中达到了86%的准确性，显著优于基线模型。
此外，该工具还可以将从卫星图像中获得的公开农业植被数据整合到模型中，以指示可用的食物来源，弗格森补充道。
鉴于在肯尼亚取得的成果，研究人员希望该工具可以适应于其他使用DHIS2系统的约125个国家，特别是在80个低收入和中等收入国家，那里营养不良仍然是儿童死亡的主要原因之一。
“这个模型是一个游戏规则改变者，”南加州大学计算机科学副教授兼USC社会人工智能中心联合主任比斯特拉·迪尔金娜（Bistra Dilkina）说。“通过使用数据驱动的AI模型，你可以捕捉到多个变量之间的更复杂关系，从而更准确地预测营养不良。”
为了最大化该工具的影响，跨部门的合作至关重要，Amref Health Africa的数字转型负责人塞缪尔·姆布鲁（Samuel Mburu）也参与了该项目。他建议将卫生服务与农业和灾害管理努力相结合。“持续投资于数字卫生基础设施和培训也是至关重要的，”姆布鲁告诉SciDev.Net。
美国非营利组织海伦·凯勒国际（Helen Keller International）的肯尼亚国家主任彼得·奥夫瓦雷（Peter Ofware）同意将植被数据与DHIS2整合可以提高预测准确性。“这提高了预测的准确性，”奥夫瓦雷说，尽管他没有参与这项研究。“然而，他们的主要数据来源DHIS数据在质量上有许多限制，尤其是在营养不良方面。”
通常，只有在有治疗设施的地方才会对儿童进行营养不良筛查，这限制了数据的代表性，他补充道。
(全文结束)
