摘要：一个多学科研究人员的团队开发了人工智能（AI）模型，该模型可以预测肯尼亚的急性儿童营养不良，直到六个月。该工具为政府和人道主义组织提供了关键的交付时间，以便为高危地区提供挽救生命的食物，医疗保健和供应。机器学习模型通过将17,000多个肯尼亚卫生设施的临床数据与有关作物健康和生产力的卫星数据进行整合，从而优于传统方法。当预测一个月的时间并在六...

来自USC高级计算学院和凯克医学院的研究人员组成的跨学科团队与Microsoft AI的专家一起为Good Lab，AMREF Health Africa和Kenya的卫生部与专家一起开发了一种人工智能（AI）模型，可以预测肯尼亚的急性儿童营养不良。

该工具为政府和人道主义组织提供了关键的提前时间，以向高危地区提供挽救生命的食物，医疗保健和供应。机器学习模型通过将来自17,000多个肯尼亚卫生设施的临床数据与农作物健康和生产力的卫星数据相结合，从而超过了传统方法。

预测一个月的时间时，它可以达到89％的准确性，并且在六个月内保持86％的准确性 - 比仅依赖最近历史儿童营养不良患病率趋势的简单基线模型的显着改善。

与现有模型相反，新工具在预测流行率波动和潮流难以预测的地区的营养不良方面特别有效。

计算机科学副教授兼社会社会人工智能中心联合主任Bistra Dilkina说：“这种模式是改变游戏规则的。” “通过使用数据驱动的AI模型，您可以在多个变量之间捕获更复杂的关系，这些变量共同使用，以帮助我们更准确地预测营养不良的患病率。”

这些发现在PLOS一个研究将于2025年5月14日出版，标题为“使用机器学习和各种指标集预测肯尼亚的急性儿童营养不良。”

这项研究由Girmaw Abebe Tadesse（Microsoft AI for Good Lab），Laura Ferguson（USC全球健康不平等研究所），Caleb Robinson，Caleb Robinson，Rahul Dodhia，Juan M. Lavista Ferres（Microsoft AI for Microsoft AI） Murage（肯尼亚卫生部）和Bistra Dilkina（南加州大学AI社会中心）。

肯尼亚内罗毕的Microsoft AI的首席科学家兼经理Girmaw Abebe Tadesse说，他认为预测性AI工具将有所作为。

他说：“这个项目很重要，因为营养不良对非洲儿童构成了重大挑战，这个大陆面临着严重的粮食不安全性，由于气候变化而加剧。”

公共卫生紧急

在肯尼亚，五岁以下的儿童中有5％（估计350,000名患者）患有急性营养不良，这种疾病会削弱免疫系统并大大增加因腹泻和疟疾等常见疾病而死亡的风险。在某些地区，速率攀升高达25％。在全球范围内，营养不良与五岁以下儿童死亡的几乎一半有关。

南加州大学全球健康不平等研究所，加州大学凯克医学院的人口和公共卫生科学副教授劳拉·弗格森（Laura Ferguson）说：“营养不良是肯尼亚的公共卫生紧急情况。” “孩子不必要地生病了。孩子们不必要地死了。”

当前在肯尼亚的预测工作主要基于专家判断和历史知识 - 难以预见新的热点或快速变化的方法。

取而代之的是，该团队的模型使用肯尼亚的常规健康数据，该数据通过地区健康信息系统2（DHIS2）收集，以及卫星衍生的指标（例如作物健康和生产力），以识别具有更高精度的新兴风险领域。

Murage S.M.说：“预测未来的最佳方法是使用可用的数据创建它，以更好地计划和介词。” Kiongo，肯尼亚卫生部营养与饮食学监测和评估的计划官。 “趋势告诉我们一个故事。多方面的数据源，再加上机器学习，提供了改善营养和健康问题编程的机会。”

研究人员开发了一个原型仪表板，可视化区域营养不良的风险，从而使对儿童营养不良风险的更快，更靶向的反应更快。弗格森（Ferguson）和迪尔基纳（Dilkina）现在正在与肯尼亚卫生部和AMREF Health Africa合作，将模型和仪表板整合到政府系统和决策中，目的是创建可持续且定期更新的公共资源。

弗格森说：“大多数全球健康问题不能仅在健康领域中解决，这就是其中之一。” “因此，我们绝对需要公共卫生专家。我们需要医务官员。我们需要非营利组织。我们需要工程师。如果您拿出任何单一合作伙伴，那就不起作用，并且不会产生我们希望的影响。”

目前有125多个国家使用DHIS2，其中包括大约80个低收入国家和中等收入国家。这意味着这个AI驱动的框架（仅依靠现有的健康和卫星数据）可以适应全球其他国家的营养不良。

迪尔基纳说：“如果我们可以为肯尼亚做到这一点，我们可以为其他国家做到这一点。” “当真正承诺与合作伙伴关系的真正承诺时，天空就是极限。”