非洲各国正逐渐采用人工智能（AI）技术来提高医疗效果，通过增强诊断、治疗和整体医疗服务水平。
卢旺达卫生部长萨宾·恩桑齐马纳博士表示，人工智能和数字健康解决方案是构建韧性高、质量好且可及的医疗系统的关键。
在2025年3月2日至5日在卢旺达基加利举行的非洲健康议程国际会议（AHAIC 2025）上，恩桑齐马纳博士强调了技术在解决医护人员短缺和降低医疗成本方面的作用。
“我们需要在非洲大陆应用最新的技术和AI系统。这些设备和机器应该被引入系统中，帮助年轻人发现医疗解决方案。”恩桑齐马纳博士说。
他补充道：“可以使用AI。由于技术的进步，我们不需要太多训练有素的医生，但通过系统的培训，这可以实现。”
卢旺达有一项AI政策，支持使用AI同时管理潜在风险。
此次讨论正值捐助资金减少之际，恩桑齐马纳博士警告说，这可能会给医疗系统带来压力，尤其是在美国总统唐纳德·特朗普签署停止令之后。
由AI驱动的创新，如自动化诊断、预测分析和远程医疗，使医疗服务更加普及，特别是在偏远地区。
AI在医疗领域的应用正在改变非洲的孕产妇保健服务，为服务不足的社区带来了创新解决方案。
其中一个突破是在AHAIC 2025会议上展示的BabyChecker，这是一种由荷兰社会企业Delft Imaging开发的便携式AI超声设备。
BabyChecker代表了孕产妇保健领域的一个重要里程碑，提供了一种成本低廉且高效的早期妊娠风险检测解决方案。
该便携式设备专为低收入和中等收入国家设计，包括智能手机、超声探头、移动应用程序和用户说明卡。
与需要专业人员操作的传统超声设备不同，BabyChecker利用AI分析超声图像。
这项解决方案帮助社区卫生工作者（CHWs）进行简单的超声筛查，特别关注那些因缺乏医疗资源而面临高孕产妇和儿童死亡率的社区。
Delft Imaging的BabyChecker项目经理阿克沙伊·拉贾戈帕尔解释说，该技术分析产科超声扫描以确定妊娠期和高危妊娠，如胎儿位置异常、前置胎盘和多胎妊娠。
该设备包括智能手机、超声探头、移动应用程序和用户说明卡。
应用程序指导卫生工作者对孕妇腹部进行六个方向的扫描，包括三个垂直和三个水平扫描。
完成六个扫描后，AI在五秒内处理超声图像，提供关键信息。
结果在智能手机上以红绿灯形式显示，绿色表示妊娠进展良好，黄色表示可能存在并发症但不严重，红色表示高危妊娠，需要立即转诊以挽救母婴生命。
“BabyChecker是为社区卫生工作者设计的。无需互联网，无需电力，适用于农村环境。”他解释说。“通过为CHWs配备AI驱动的筛查工具，我们可以显著降低孕产妇死亡率。”
数据显示，全球每天约有800名妇女死于与妊娠和分娩相关的可预防原因。
阿克沙伊敦促政府和资助者投资AI驱动的解决方案，以支持最难到达地区的孕产妇保健，特别是在医疗需求增加而专业人员短缺的情况下。根据世界卫生组织（WHO）的数据，到2030年，非洲将面临610万医疗工作者的短缺，因此迫切需要在该地区快速建立和提升新的和现有医疗工作者的能力。
然而，预计到2030年，医疗工作者将短缺610万人，急需迅速建立和提升整个非洲的新老医疗工作者的能力。
在职培训的成本很高，而且很多时候，卫生工作者无法离开工作岗位去集中地点升级技能。
Jibu是Amref Health Africa的旗舰数字学习平台，旨在大规模提供能力，以建设适合非洲大陆需求的医疗队伍。
Jibu提供在线和混合培训课程，具有丰富的互动性，满足卫生部门的需求，向非洲年轻和有经验的医疗工作者传授所需的技能和知识。
Jibu可以通过网页和移动应用程序（Jibu for Android and iPhone）访问，提供无缝的在线和离线学习体验，并提供即时的学习支持。
目前已有超过98,000名用户加入，Jibu的覆盖范围遍及撒哈拉以南非洲地区的37个国家，并继续增长。该平台具备多语言学习功能，提供超过35门涵盖各种健康主题的课程，包括心理健康、孕产妇和新生儿健康、传染病和非传染性疾病、青少年相关课程以及卫生系统的领导力、管理和治理。
这些课程是在与卫生部、主题专家和培训机构的合作下开发的，并受到人力资源卫生政策和研究的指导。该平台还提供微型课程，即5-10分钟的短课程，用于提高对新兴健康问题的认识，如猴痘基础知识——在疫情爆发期间非常有用、了解卫生领域的AI、网络钓鱼、青年倡导和抑郁症。
“Jibu现在正在将其学习交付整合到AI中，这一举措将通过根据用户偏好和学习行为个性化内容，显著提升学习体验。”Amref Health Africa的数字学习技术官拉斐尔·穆亚说。
此外，微软、肯尼亚卫生部、南加州大学和Amref Health合作开发了一种AI驱动的工具，用于预测营养不良，尤其是儿童的风险。
Amref Health的数字化转型卓越主管塞缪尔·姆布鲁表示，该技术通过收集诊所和医疗机构的数据创建算法，预测处于营养不良风险的人群，特别是儿童。
这些数据允许深入研究气候变化与健康之间的交叉点，特别是营养不良问题。
姆布鲁解释说，该工具开发了一个数字仪表板，在地图上可视化营养不良数据。
行星数据来自卫星图像，提供有关植被覆盖、农业活动和温度波动的实时信息。
“通过整合AI和行星数据，Amref Health Africa旨在提供数据驱动的解决方案，以改善这些脆弱社区的健康结果。”姆布鲁指出。
除了分析营养不良外，AI还可以应用于公共卫生领域的资源动员和供应链管理。
“我们正在研究如何利用AI预测未来需求，以增强供应链并确保及时干预。虽然营养是我们关注的主要领域，但我们也在探索其他健康领域的AI工具应用。”他说。
这项在肯尼亚夸莱县金安戈开发的技术将在整个非洲推广，通过数据驱动的决策彻底改变应对健康挑战的方式。
(全文结束)
