肯尼亚正面临一场儿童营养不良危机。近35万名五岁以下儿童患有急性营养不良，这种状况严重削弱了他们的免疫系统。一些地区的营养不良率高达25%。
现在，来自南加州大学（USC）、微软AI for Good实验室、非洲医疗援助基金会（Amref Health Africa）和肯尼亚卫生部的一个团队开发了一种人工智能（AI）模型，可以提前六个月预测营养不良。
人工智能预测儿童营养不良
该模型结合了来自17,000个医疗机构的临床记录和作物健康的卫星数据。目标是识别营养不良可能激增的地区。
与以往主要依赖历史营养不良率的方法不同，这个基于AI的模型使用了复杂的数据模式。
南加州大学人工智能社会中心联合主任Bistra Dilkina表示，这个模型是一个“游戏规则改变者”。
“通过使用数据驱动的人工智能模型，你可以捕捉到多个变量之间的更复杂关系，从而帮助我们更准确地预测营养不良的发生率，”Dilkina说。
儿童营养不良趋势
数据来自肯尼亚的地区卫生信息系统2（DHIS2），这是一个从全国诊所收集健康数据的平台。
此外，NASA的中分辨率成像光谱仪（MODIS）的卫星图像测量了作物生产力。总初级生产力（GPP）表明作物生长状况，作为粮食安全的代理指标。
作物健康状况差的地区往往显示出更高的营养不良率。通过分析健康和卫星数据，该模型可以预测营养不良可能上升的地区。它在一个月的预测中达到了89%的准确率，并在六个月内保持了86%的准确率——这是比旧模型的重大飞跃。
在肯尼亚，5%的五岁以下儿童患有急性营养不良。全球范围内，营养不良导致这一年龄组近一半的死亡。南加州大学全球健康不平等研究所研究主任Laura Ferguson强调了紧迫性。
“营养不良是肯尼亚的一个公共卫生紧急情况，”Ferguson说。“孩子们不必要的生病，不必要的死亡。”
卫星数据和营养不良预测
传统的预测依赖于专家判断和过去趋势。但在营养不良率波动的地区，这种方法常常不足。新的AI模型使用数据驱动的洞察来填补这些空白。
肯尼亚卫生部监测与评估项目官员Murage S.M. Kiongo解释了该模型的潜力。
“最好的预测未来的方法是利用可用数据进行更好的规划和预先准备，特别是在发展中国家，”Kiongo说。
哪种预测模型最有效？
研究团队测试了三种预测方法：窗口平均法（WA）、逻辑回归（LR）和梯度提升（GB）。
GB模型领先，六个月内达到86%的准确率。WA方法则以73%的准确率落后，证明简单的历史平均值无法捕捉复杂的数据模式。
有趣的是，仅使用GPP数据几乎与临床数据一样有效。在医疗设施数据稀缺的地区，卫星图像可以成为一个关键工具。
确定营养不良风险区域
并非每个地区都面临相同的风险。该模型突出了图尔卡纳和库里亚西部等地区，这些地区的营养不良率超过15%。这些热点地区通常作物产量低且医疗资源有限。
通过确定这些地区，该模型可以帮助人道主义组织和政府机构更快地干预，可能挽救生命。
为了使这些预测具有可操作性，团队建立了一个仪表板。该仪表板可视化了肯尼亚各地的营养不良风险，整合了临床数据、GPP读数和预测结果。
仪表板使政策制定者能够看到营养不良可能激增的地方，从而实现更快、更有针对性的响应。
可操作的儿童营养不良见解
Laura Ferguson和Bistra Dilkina正在与肯尼亚卫生部和非洲医疗援助基金会合作，将该仪表板整合到国家系统中。目标是使该工具成为决策过程中的常规部分，确保资源能够到达最需要的地方。
数据缺口仍然是一个挑战。许多农村儿童从未去过医疗机构，因此他们不在DHIS2数据集中。报告不一致以及行政边界不匹配也带来了问题。
研究团队计划通过添加更多数据源（如降雨模式和作物产量）来解决这些差距。他们还在探索如何将该模型适应其他国家，特别是那些使用DHIS2的国家。
全球框架
该人工智能模型具有深远的影响。超过125个国家使用DHIS2，其中包括80个儿童营养不良严重的国家。如果该模型能够在肯尼亚预测营养不良，那么它很可能在其他地方也能做到。
这项题为“使用机器学习和多种指标预测肯尼亚儿童急性营养不良”的研究于2025年5月14日发表在《PLOS One》上。作者包括微软AI for Good实验室的Girmaw Abebe Tadesse、南加州大学的Laura Ferguson和Bistra Dilkina。
“如果我们能在肯尼亚做到这一点，我们也可以在其他国家做到，”Dilkina说。“当有真正的合作承诺时，天空才是极限。”
儿童营养不良的早期预警
在食物不安全和营养不良交织的地区，早期预警可能意味着生与死的区别。通过提前几个月预测营养不良，该人工智能模型提供了宝贵的行动窗口。
对于人道主义组织和政府来说，这个工具不仅仅是预测。它提供了一个基于数据而不是估计的计划。在一个每年因儿童营养不良而失去数千名年轻生命的国家，这个计划可能是救命的。
现在，重点转向扩大该模型的应用。肯尼亚只是一个开始。有了正确的数据和合作伙伴关系，该人工智能模型可以成为一个全球框架，预测营养不良并防止高风险国家的儿童遭受苦难。
该研究发表在《PLOS One》期刊上。
(全文结束)
