一组跨学科的研究人员开发了一种人工智能（AI）模型，可以提前六个月预测肯尼亚的急性儿童营养不良。该工具为政府和人道组织提供了关键的时间，以便将救生食品、医疗保健和物资送往高风险地区。该机器学习模型通过整合来自17000多个肯尼亚卫生设施的临床数据与有关作物健康和生产力的卫星数据，优于传统方法。它在提前一个月的预测中实现了89%的准确率，并在六个月内保持86%的准确率，这相比仅依赖最近历史儿童营养不良流行趋势的简单基线模型有显著改进。
来自南加州大学先进计算学校和凯克医学院的跨学科研究小组，与微软人工智能公益实验室、非洲阿姆雷夫健康组织及肯尼亚卫生部的专家合作，开发了可以提前六个月预测肯尼亚急性儿童营养不良的人工智能（AI）模型。
该工具为政府和人道组织提供了关键的时间，以便将救生食品、医疗保健和物资送往高风险地区。该机器学习模型通过整合来自17000多个肯尼亚卫生设施的临床数据与有关作物健康和生产力的卫星数据，优于传统方法。
它在预测一个月时实现了89%的准确率，并在六个月内保持86%的准确率——这相比于仅依赖最近历史儿童营养不良流行趋势的简单基线模型有显著改进。
与现有模型相比，该新工具在预测流行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，”南加州大学人工智能社会中心的计算机科学副教授、共同主任比斯特拉·迪尔基娜表示。“通过使用数据驱动的AI模型，您可以捕捉多个变量之间更复杂的关系，这些变量共同帮助我们更准确地预测营养不良的流行情况。”
研究结果详细记录在将于2025年5月14日发布的PLOS One研究中，标题为“使用机器学习和多样化指标预测肯尼亚急性儿童营养不良。”
该研究的共同作者包括吉尔马维·阿贝贝·塔德斯（微软AI公益实验室）、劳拉·弗格森（南加州大学全球健康不平等研究所）、卡勒布·罗宾逊、拉胡尔·多迪亚、胡安·M·拉维斯塔·费雷斯（微软AI公益实验室）、希法拉·库里亚、赫伯特·瓦尼翁尼、塞缪尔·姆布鲁（非洲阿姆雷夫健康组织）、塞缪尔·穆拉杰（肯尼亚卫生部）和比斯特拉·迪尔基娜（南加州大学社会中AI中心）。
吉尔马维·阿贝贝·塔德斯，肯尼亚内罗毕的微软AI公益实验室的首席科学家和经理表示，他相信这一预测AI工具将会产生影响。
“这个项目很重要，因为营养不良对非洲的儿童构成重大挑战，这个大陆正面临着因气候变化加剧的大规模粮食不安全，”他说。
公共卫生紧急情况
在肯尼亚，5%的五岁以下儿童——估计有350,000名儿童——遭受急性营养不良，这种状况削弱免疫系统，大幅增加因腹泻和疟疾等常见疾病致死的风险。在一些地区，比例高达25%。全球范围内，营养不良与近一半的五岁以下儿童死亡相关。
“营养不良是肯尼亚的公共卫生紧急情况，”南加州大学全球健康不平等研究所的研究主任、南加州大学凯克医学院公共卫生与人群健康科学副教授劳拉·弗格森表示。“儿童不必要地生病，儿童不必要地死亡。”
目前在肯尼亚的预测工作主要基于专家判断和历史知识——这种方法难以预见新的热点或快速变化。
相反，该团队的模型利用肯尼亚的常规健康数据，这些数据通过地区卫生信息系统2（DHIS2）收集，并结合卫星衍生指标（如作物健康和生产力）来识别新兴风险区域，精度要高得多。
“预测未来的最好方法是利用现有数据来进行更好的规划和布置，”肯尼亚卫生部营养和饮食学司监测与评估项目官员穆拉杰·S.M.基永戈表示。“趋势告诉我们一个故事。多样化的数据源，加上机器学习，为改善营养和健康问题的编程提供了机会。”
研究人员开发了一个原型仪表盘，可视化区域营养不良风险，使对儿童营养不良风险的响应更加快速和精准。弗格森和迪尔基娜目前正在与肯尼亚卫生部和非洲阿姆雷夫健康组织合作，将该模型和仪表盘整合到政府系统和决策中，以期创建一个可持续且定期更新的公共资源。
“大多数全球健康问题不能仅在健康领域解决，这就是其一，”弗格森表示。“因此，我们绝对需要公共卫生专家。我们需要医疗官员。我们需要非营利组织。我们需要工程师。如果任何一个合作伙伴缺失，事情就不会有效，也不会产生我们期望的影响。”
目前，125多个国家使用DHIS2，其中约80个是低收入和中等收入国家。这意味着这一基于AI的框架——仅依赖现有的健康和卫星数据——可以被改编用于全球其他国家的营养不良斗争。
“如果我们能够在肯尼亚做到这一点，我们就可以在其他国家做到，”迪尔基娜表示。“当有真诚的承诺与伙伴合作时，天空才是极限。”
