想象一下：一个人工智能（AI）系统为肯尼亚年轻人创建了一条明亮、面向青年的社交媒体帖子，包含当地俚语和"年轻、酷炫、已接种！"（YOUNG, LIT, AND VAXXED!）的短语。这条信息旨在解决人们对接种疫苗会影响生育能力的担忧——这种担忧有着严重的健康后果。但在讨论生殖健康时，算法试图表现得酷酷的，这感觉有些不对劲。
这一场景是最近一项针对尼日利亚和肯尼亚健康宣传活动的研究所分析的数十条健康信息之一。
我们的研究团队分析并比较了120条健康信息：80条来自卫生部门和非政府组织等传统渠道，40条由AI系统生成。
我们聚焦于两个关键健康议题：疫苗犹豫和孕产妇保健。
研究结果揭示了全球急于将AI用于健康传播的一个意外转折：两种方法均未显示出明显优势。AI更具创意但容易出错，传统宣传活动权威性强但过于僵化。这凸显了真正的挑战：设计既准确又具有文化敏感性的健康传播方式。
健康系统乘上技术浪潮
肯尼亚和尼日利亚并非健康技术创新的新手。两国一直随着新技术的出现而不断调整其健康传播方式。
在1980年代和1990年代，健康宣传活动依赖印刷海报、广播广告和诊所教育。到2010年代，手机和WhatsApp、Facebook等平台正在改变健康信息传播方式。短信提醒和WhatsApp群组成为组织和卫生部门的重要工具，用于分享有关艾滋病、孕产妇健康和新冠疫情的更新。在尼日利亚，"杀死蚊子，阻止疟疾"（Kill Mosquito, Stop Malaria）等伊博语广播宣传活动提高了农村妇女对信息的理解。
如今，AI代表了下一波浪潮。世界卫生组织已推出S.A.R.A.H（健康智能AI资源助理，Smart AI Resource Assistant for Health），专为健康传播而设计。与此同时，ChatGPT（聊天生成预训练变换器，Chat Generative Pre-trained Transformer）等通用AI工具正被用于制定疫苗接种宣传活动和孕产妇健康建议。
肯尼亚已制定国家医疗AI战略。尼日利亚也在探索AI工具以加强卫生系统。
其吸引力显而易见：AI可以快速、多语言、大规模地生成信息。这种效率尤为重要，因为全球健康资金面临不确定性，要求卫生系统用可能更少的资源做更多的事情。
因此，我们的研究提出了一个问题：当AI为这些情境创建健康信息时，它是否真正理解当地社区真正关心的问题？
我们的发现
结果令我们惊讶。与传统宣传活动相比，AI生成的信息实际上包含了更多文化参考。人类创建的材料通常局限于临床的西方医学语言，而AI系统则尝试使用当地隐喻、农业类比和以社区为中心的语言。
但有一个问题。这些文化参考往往肤浅，有时不准确。AI可能会引用当地习俗而没有真正理解它们。它也可能使用对农村受众有效的农业隐喻，却疏远了城市读者。在某些情况下，AI生成的图像会产生扭曲变形的面孔。AI生成有色人种图像往往是一个持久的问题，这是因为这些系统没有接受足够多样化的训练示例。
世界卫生组织专注于健康的AI工具S.A.R.A.H，经常产生不完整的回应，有时需要重置才能正常运行。它使用白人女性头像也引发了关于全球健康AI设计中代表性的疑问。
传统健康宣传活动也有自己的问题。尽管由拥有大量资源和当地存在的组织创建，它们往往强化了西方医学专业知识，对社区知识和传统健康实践给予的空间有限。
这反映了一个更广泛的模式。国际组织可能会无意中复制殖民时代的模式，即外部"专家"告诉当地社区该怎么做。我们在新冠疫情期间看到了这一点，当时高收入国家阻止了豁免疫苗知识产权规则的努力，并囤积疫苗剂量，使许多中低收入国家难以获得疫苗。这强化了在全球决策中，谁的健康和专业知识最为重要的等级制度。
最引人注目的是两种方法都忽略了什么：真正的社区赋权。在我们分析的几乎所有信息中，人们都被定位为专家知识的被动接受者，而不是自身健康决策的积极参与者。
为何此时如此重要
这些发现之所以重要，是因为非洲卫生系统中AI的采用正在迅速加速。在撒哈拉以南非洲，调查显示31.7%的AI在健康领域的部署用于远程医疗，20%用于性与生殖健康，16.7%用于运营。
成功案例正在涌现，例如肯尼亚的AI Consult平台减少了诊断错误，以及AI工具改变了尼日利亚的医疗保健获取方式。
但我们的研究表明，如果不仔细关注文化背景和社区参与，AI健康信息可能会陷入同样的老问题：外部人员为社区创建信息，却没有真正理解或让社区参与其中。
疫苗犹豫和孕产妇健康领域的风险尤其高。在这两个领域，信任、文化敏感性和社区认同实际上可能意味着生与死的区别。当人们信任健康指导时，更多生命得以挽救。疫苗保护社区免受可预防疾病的侵害，孕产妇健康支持降低了母亲和婴儿在分娩过程中死亡的风险。
前进的道路
解决方案不是放弃AI在健康传播中的应用。
相反，这些工具需要从基层与当地社区一起开发。这意味着使用本地相关数据和知识系统来训练AI系统。
卫生组织还应在AI信息开发中建立社区反馈循环。用目标服务的社区测试AI生成的健康内容，让当地卫生工作者、传统领袖和社区成员参与验证准确性、文化适当性和情感共鸣。
还有一个机会是投资于本土AI开发。非洲主导的平台，如数字医疗助手AwaDoc，展示了本地开发的AI如何在保持医学准确性的同时更好地理解文化背景。
AI在全球健康传播中的未来，不仅取决于这些系统变得多么智能，还取决于它们学会真正倾听并从目标服务的社区学习的能力。
【全文结束】
