非洲国家正在逐渐采用人工智能（AI）技术，以改善医疗结果，提高诊断、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，AI和数字健康解决方案是建立有韧性、高质量且可及的医疗系统的关键。
在2025年3月2日至5日于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应对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。由于技术的发展，我们不需要那么多受过训练的医生，但通过系统的培训，这种情况可以改变。”
卢旺达已经制定了AI政策，支持AI的应用，同时管理潜在风险。
这一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，正在使医疗服务更加可及，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创新解决方案。
在AHAIC 2025会议上，一个突出的突破是由荷兰社会企业Delft Imaging开发的基于AI的便携式超声设备BabyChecker。
BabyChecker代表了孕产妇保健的一个重要里程碑，提供了一种成本效益高且高效的早期妊娠风险检测解决方案。
该便携式设备专门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。
与传统的超声机不同，BabyChecker利用AI来分析超声图像，使经过最少培训的社区卫生工作者能够轻松进行超声筛查，重点是在医疗资源有限的社区中。
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，以确定妊娠年龄和高风险妊娠，如胎儿位置异常、前置胎盘和多胎妊娠。
该应用程序指导卫生工作者对孕妇腹部进行六个扫查，包括三个垂直扫查和三个水平扫查。
完成六个扫查后，AI在五秒钟内处理超声图像，提供关键信息。
结果显示在智能手机上，用红绿灯表示。绿色信号表示妊娠进展良好，孕妇可以继续常规产前护理；黄色表示可能有并发症，但不是高风险；红色表示需要立即转诊以挽救母亲和孩子的生命。
“BabyChecker是为社区卫生工作者设计的。无需互联网，无需电力，适用于农村地区，”他解释说。“通过为社区卫生工作者配备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名妇女死于可预防的妊娠和分娩相关原因。
阿克沙伊敦促政府和资助者投资于AI驱动的解决方案，以支持最难以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610万卫生工作者的短缺，因此迫切需要迅速建设和提升整个非洲的新老卫生工作者的能力。
然而，随着预计到2030年将出现610万卫生工作者的短缺，快速建设和提升非洲新老卫生工作者的能力变得越来越紧迫。
在职培训的成本很高，而且卫生工作者通常无法离开工作岗位去集中地点升级技能。
Amref Health Africa的首要数字学习平台Jibu旨在大规模提供能力，为非洲大陆建设一支适合目的的卫生工作者队伍。
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卫生工作者传授急需的技能和知识。
Jibu可以通过网页和移动应用程序（Android和iPhone上的Jibu）访问，提供无缝的在线和离线学习体验，并提供随时的学习支持。
目前已有超过98,000名用户加入，Jibu的覆盖范围已扩展到撒哈拉以南非洲地区的37个国家，并且仍在不断增长。
该平台具有多语言学习功能，提供超过35门涵盖各种健康主题的课程，包括心理健康、母婴健康、传染病和非传染性疾病、面向青年的课程以及领导力、管理和治理，以加强卫生系统。
这些课程是与卫生部、主题专家和培训机构合作开发的，并受到卫生人力资源政策和研究的指导。
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——在疫情期间非常有用，了解健康中的AI、网络钓鱼、青年倡导和抑郁症。
Amref Health Africa的数字学习技术官员拉斐尔·穆亚表示：“Jibu现在正在将其学习交付整合AI，此举将通过个性化内容显著增强学习体验，根据用户偏好和学习行为进行调整。”
Jibu中的AI还将通过聊天机器人和虚拟导师改进学习支持，确保24/7互动学习。此外，AI驱动的洞察将通过分析学习者与平台的互动模式，更好地设计内容并做出数据驱动的决策。
此外，微软、肯尼亚卫生部、南加州大学和Amref Health共同开发了一个基于AI的工具，用于预测营养不良，特别是儿童的风险。
Amref Health的数字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，预测哪些人，尤其是儿童，处于营养不良的风险中。
这些数据允许深入研究气候变化与健康之间的关系，特别是营养不良。
姆布鲁解释说，该工具开发了一个可视化营养不良数据的地图仪表板。
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旨在为这些脆弱社区提供数据驱动的解决方案，以改善健康结果。”姆布鲁指出。
除了分析营养不良外，AI还可以用于公共卫生部门的资源动员和供应链管理。
“我们正在研究如何通过AI预测未来需求，以增强供应链并确保及时干预。虽然我们的主要关注点是营养，但我们也在探索使用AI工具的其他健康领域。”他说。
这项在肯尼亚夸莱郡金安果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)
