语言技术如生成式人工智能（AI）在公共卫生领域具有巨大潜力。从实时扫描全球新闻的疫情监测系统，到提供心理健康支持的聊天机器人，再到通过对话方式提升初级医疗可及性的诊断工具，这些创新正在帮助应对各类健康挑战。
这些技术的核心是自然语言处理（NLP），这是人工智能研究中的一个跨学科领域，使计算机能够解释、理解和生成人类语言，从而弥合人与机器之间的沟通鸿沟。自然语言处理能够处理和分析海量健康数据，远超人类手动处理的能力。这在医疗人力资源紧张或公共卫生监测基础设施有限的地区尤其有价值，因为它可以实现更快、基于数据的公共卫生响应。
最近，我们这个跨学科团队——结合了计算机科学、人文地理学和健康科学的专业知识——对非洲国家在公共卫生领域应用语言人工智能的研究进行了综述。我们分析了近十年来的学术研究成果，以了解这项强大技术如何应用于紧迫的人类健康需求。
在54篇研究出版物中，我们发现真正体现技术在现实世界中产生影响的证据仍然很少。只有4%的研究（54篇中的2篇）展示了语言AI对公共卫生的可衡量改善，例如提升人们情绪或提高疫苗接种意愿。
大多数项目停留在技术开发和发表阶段，很少推进到现实应用或产生实际影响。这可能导致错失改善非洲大陆健康和福祉的机会。
当前局限
近年来，用于公共卫生的AI语言技术迅速增长。这一波技术发展在新冠疫情重新引发对公共卫生的关注后真正兴起，健康聊天机器人和情感分析工具在非洲及其他地区被开发出来。
健康聊天机器人能“与人对话”，以友好、互动的方式提供可靠的健康信息；情感分析工具则扫描社交媒体帖子，了解人们的感受和讨论内容。这两类工具共同可用于识别虚假信息或公众意见变化，并提供准确信息。
当然，新技术也伴随着不完美之处。我们发现，目前非洲用于公共卫生的技术大多仅限于几种语言，这些语言的主导地位可以追溯到殖民时期，主要是英语和法语。
其后果显而易见：关键健康信息无法触及许多社区，导致数百万人无法获取或采取必要的健康行动。
我们还发现，很少有项目能超越实验室开发阶段。我们的研究中，只有一套系统在现实中产生了可衡量的公共卫生影响。
成功案例
这个突出的案例来自全球发展中心（Center for Global Development）与芝加哥大学（University of Chicago）以及巴萨拉行为经济学中心（Busara Center for Behavioral Economics）的合作项目。他们开发的聊天机器人部署在Facebook Messenger上，面向对新冠疫苗犹豫不决的肯尼亚和尼日利亚民众。该聊天机器人仅支持英语。
超过22,000名社交媒体用户使用了这款应用，分享了关于疫苗的问题和担忧。聊天机器人则根据问题提供定制化、基于证据的回应，涵盖疫苗有效性、安全性以及虚假信息等内容。其效果显著：该干预措施使用户接种疫苗的意愿提高了4%-5%。其中，最初最犹豫不决的人群效果最为明显。
这一成功背后，是研究人员对本地背景的深入了解。在聊天机器人上线前，研究团队在肯尼亚和尼日利亚举办了焦点小组讨论和社交媒体用户访谈，旨在了解影响疫苗接种态度的具体担忧和文化因素。
聊天机器人正是针对这些担忧进行设计的。这种以用户为中心、本地化的方法使聊天机器人的信息能够真正应对现实障碍。正如该案例所示，语言技术在公共卫生领域的应用最有效时，正是它能回应目标用户的真实关切和需求之时。
从实验室走向现实
这些技术的落地需要时间和资金。新冠疫情加速了它们的发展，但公共卫生领域的语言AI技术仍属新兴。未来某次调查可能会呈现截然不同的局面。
同时，大型语言模型（如GPT-4）的最新进展正迅速降低开发语言技术的技术门槛。这些模型往往只需要比以往更少的数据和努力，就能适应新的应用场景。这些进步可能使小型研究团队甚至个人开发者也能构建出符合本地社区特定需求的工具。从实验室到现实应用的道路可能变得更短、更容易。
投资者、孵化器和政府支持可以帮助推动这一从实验室到现实的转变。
技术开发者也可以通过以社区驱动、跨学科和跨行业合作为基础来推动技术进步。社会科学和公共卫生研究的知识与技能可以为新技术的设计和开发提供指导。
为了最大限度发挥语言技术在公共卫生领域的潜力，以下几点至关重要：
- 在自然语言处理设计中纳入社区和医护人员的意见
- 扩展对非洲本土语言的支持
- 将语言技术整合进现有医疗系统
未来的研究和开发必须超越技术原型和实验室测试，转向严格的现实评估，以衡量其对健康结果的实际影响。
本研究的其他合著者包括：Abigail Oppong、Ebele Mogo、Charlotte Collins 和 Giulia Occhini。
本文转载自The Conversation，采用知识共享许可协议。阅读原文。
【全文结束】
