一年前，玛丽亚姆·穆斯塔法博士与她的LUMS团队造访拉合尔郊区基础卫生中心，评估当地用于追踪药品和生成电子病历的数字政府系统。然而该系统仅能在台式机上运行，当时正遭遇停电。
"作为技术人员，我深知停电超出了我的控制范围"，穆斯塔法博士在阿迦汗大学年度儿科与儿童健康大会主题演讲中强调，"但我能控制的是以最差场景（即完全断电）作为设计起点"。
在巴基斯坦，孕产妇死亡风险比发达国家高出12倍。每万名居民仅配备不到五名助产士，按此进度，该国至少需要25年才能达到基础孕产妇医疗标准。这位科学家指出，人工智能（AI）技术将是改变现状的关键突破口。
"巴基斯坦具备数字化转型潜力，但面临37%的移动电话性别鸿沟"，她指出WhatsApp等需要单一SIM卡的应用难以在家庭共享使用。尽管如此，团队仍成功构建了语音输入病历系统，该AI模型能通过自然语言处理（NLP）进行风险预测：
- 利用预测模型和超声图像早期检测子痫前期、产后出血
- 智能聊天机器人逐步指导护士开展产检
- AI超声在缺乏专业影像医生地区识别胎儿生长受限
- 语音转文本工具即时生成医疗记录
项目初期遭遇基础设施困境：旁遮普省多数医疗机构仅有纸质档案无法数字化。团队创造性开发了巴基斯坦本土医疗语言模型，最终实现：
- 患者通过任意手机（自有/邻居/医院设备）发送CNIC号码至指定WhatsApp号码
- 系统自动调取既往病史生成对话线程
- AI助产士预问诊生成结构化病历（含子女数量、剖腹产次数等关键信息）
- 医生仅需验证记录并补充检查结果
创新性突破包括：
- 跨机构诊疗的病历二维码系统（医生扫码即可更新数据）
- 跨城产检数据无缝衔接（解决孕妇回娘家待产的医疗断档问题）
该项目已在拉合尔的Shalimar医院、Gurkhi信托教学医院及Willingdon女士医院启动试点。这种"非高科技但高度实用"的解决方案，为发展中国家在电力不稳定情境下的医疗AI应用提供了全新范式。
【全文结束】
