一个多学科研究团队，包括来自南加州大学高级计算学院和凯克医学院的研究人员，以及微软AI for Good实验室、Amref Health Africa和肯尼亚卫生部的专家，共同开发了一种人工智能（AI）模型，该模型可以提前六个月预测肯尼亚儿童的急性营养不良情况。
这一工具为政府和人道主义组织提供了关键的应对时间，使他们能够及时向高风险地区提供救命的食物、医疗保健和物资。该机器学习模型通过整合来自超过17,000个肯尼亚卫生设施的临床数据和卫星作物健康及生产力数据，表现优于传统方法。该模型在一个月内的预测准确率达到89%，在六个月内的预测准确率为86%——这比仅依赖近期历史儿童营养不良流行趋势的简单基线模型有了显著改进。
与现有模型相比，新工具在预测那些营养不良发生率波动且难以预见激增的地区尤其有效。
“这个模型是一个游戏规则改变者。通过使用数据驱动的AI模型，我们可以捕捉到多个变量之间的复杂关系，从而更准确地预测营养不良的发生率。”南加州大学计算机科学副教授兼南加州大学人工智能与社会中心联合主任Bistra Dilkina说。
研究结果详细记录在将于2025年5月14日发表于《PLOS One》杂志的一篇题为“使用机器学习和多种指标预测肯尼亚儿童急性营养不良”的论文中。
该研究由Girmaw Abebe Tadesse（微软AI for Good实验室）、Laura Ferguson（南加州大学全球健康不平等研究所）、Caleb Robinson、Rahul Dodhia、Juan M. Lavista Ferres（微软AI for Good实验室）、Shiphrah Kuria、Herbert Wanyonyi、Samuel Mburu（Amref Health Africa）、Samuel Murage（肯尼亚卫生部）和Bistra Dilkina（南加州大学人工智能与社会中心）共同撰写。
微软AI for Good实验室驻内罗毕首席科学家兼经理Girmaw Abebe Tadesse表示，他相信这种预测性AI工具将产生影响。“这个项目非常重要，因为营养不良对非洲儿童构成了重大挑战，而非洲大陆正面临着因气候变化加剧的粮食安全问题。”
在肯尼亚，5岁以下儿童中有5%（约35万人）患有急性营养不良，这种情况会削弱免疫系统，并显著增加腹泻和疟疾等常见疾病导致的死亡风险。在某些地区，这一比例高达25%。全球范围内，营养不良与近一半5岁以下儿童的死亡有关。
目前，肯尼亚的预测工作主要基于专家判断和历史知识，这些方法难以预测新的热点或快速变化。相反，该团队的模型利用肯尼亚通过区卫生信息系统2（DHIS2）收集的常规健康数据，结合卫星衍生的作物健康和生产力指标，以更高的精度识别出新兴风险区域。
研究人员已经开发了一个原型仪表板，可视化显示区域营养不良风险，从而能够更快、更精确地响应儿童营养不良风险。Ferguson和Dilkina正在与肯尼亚卫生部和Amref Health Africa合作，将该模型和仪表板集成到政府系统和决策中，目标是创建一个可持续并定期更新的公共资源。
“大多数全球健康问题无法仅在卫生领域内解决，这也是其中之一。”Ferguson说，“因此，我们绝对需要公共卫生专家、医疗官员、非营利组织和工程师。如果缺少任何一个合作伙伴，就无法达到我们希望的效果。”
目前，已有超过125个国家使用DHIS2，其中包括约80个低收入和中等收入国家。这意味着这个仅依赖现有健康和卫星数据的AI驱动框架可以适应其他国家，以在全球范围内对抗营养不良。
“如果我们能在肯尼亚做到这一点，我们也能在其他国家做到。”Dilkina说，“只要有真正的合作承诺，天空才是极限。”
(全文结束)
