语言技术（如生成式人工智能）在公共卫生领域具有巨大潜力。从实时扫描全球疫情新闻的爆发检测系统，到提供心理健康支持的聊天机器人，再到改善基层医疗可及性的会诊诊断工具，这些创新正在帮助应对各类健康挑战。
自然语言处理（NLP）作为人工智能研究的重要分支，使计算机能够解释、理解和生成人类语言，搭建起人机沟通的桥梁。该技术可处理和分析远超人工处理量的海量健康数据，在医疗资源紧张或公共卫生监测体系薄弱的地区尤其具有价值。
我们的跨学科团队（整合计算机科学、人文地理学和健康科学专业知识）近期对非洲国家语言AI在公共卫生领域的应用研究进行了系统回顾。分析近十年学术研究发现，虽然已有54篇相关论文发表，但能证明实际效果的研究仍稀缺——仅4%（2/54）的研究显示可测量的健康效益，如改善情绪状态或提升疫苗接种意愿。
当前大部分项目止步于技术开发和论文发表，难以转化为实际应用。这种现象可能导致错失改善非洲大陆健康福祉的重大机遇。
当前局限性
近年来公共卫生领域的语言AI技术快速发展。随着新冠疫情暴发，全球对公共卫生的关注度提升，非洲及其他地区相继开发出健康聊天机器人和情感分析工具。
健康聊天机器人通过对话形式提供可靠的健康信息，情感分析工具则通过分析社交媒体帖子了解公众情绪。这两类技术结合，既能识别错误信息，又能传递准确信息。但研究发现，非洲的公共卫生AI技术大多仅支持英语和法语——这两种语言的主导地位源于殖民历史。
这种语言单一性导致关键健康信息难以触达众多社区，数百万人因此无法获取或实践必要的健康知识。此外，绝大多数项目仍停留在实验室开发阶段，仅有1个系统在实际应用中产生了可测量的公共卫生效益。
成功案例
这个典型案例由全球发展中心、芝加哥大学与贝萨拉行为经济学研究中心联合开发。针对肯尼亚和尼日利亚民众对新冠疫苗的犹豫态度，团队开发了部署在Facebook Messenger上的英语聊天机器人。
超过22,000名社交媒体用户使用了该应用，分享疫苗相关疑虑。聊天机器人针对疫苗有效性、安全性及错误信息等主题提供定制化科学回应。结果显示，用户接种意愿提升了4-5个百分点，尤其对初始犹豫度最高的人群效果最显著。
该成功案例源于研究团队对本地语境的深入理解：在聊天机器人上线前，他们与肯尼亚和尼日利亚的焦点小组及社交媒体用户进行了深入讨论，了解疫苗犹豫背后的文化因素和具体担忧。这种以用户为中心、本地化的定制设计，使AI工具能精准解决实际障碍。
从实验室走向现实
虽然技术落地需要时间和资金支持，但新冠疫情已加速发展进程。大型语言模型（如GPT-4）的突破性进展正在快速降低技术开发门槛，允许研究小组甚至个人开发者使用更少的数据和成本构建社区定制化工具。
要充分发挥语言AI的公共卫生潜力，需实现三大转变：
- 联动社区和医疗工作者参与自然语言处理系统设计
- 扩展非洲本土语言支持
- 将语言技术整合进现有医疗体系
投资者、加速器和政府支持可加速技术转化。技术开发者应加强跨学科协作，将社会科学研究和公共卫生知识融入技术设计，未来研究需超越实验室原型，开展测量健康结果的真实场景评估。
本文作者为剑桥大学博士候选人Songbo Hu、首席研究顾问Anna Barford教授和Anna Korhonen教授。研究团队成员包括Abigail Oppong、Ebele Mogo、Charlotte Collins和Giulia Occhini。
本文经Creative Commons授权协议转载自The Conversation网站。
【全文结束】
