כלי בינה מלאכותית (AI) המנבא תת תזונה חריפה של ילדים עד שישה חודשים מראש, יכול לסייע במאבק במצב בקניה ובכל רחבי אפריקה, כמעט מחצית מקרי המוות בקרב ילדים מתחת לחמישה המקושרים לתזונה חריפה – רובן במדינות בעלות הכנסה נמוכה ובינונית – על פי ארגון הבריאות העולמי.
עם זאת, פערים בנתונים יכולים להקשות על לדעת היכן למקד משאבים במדינות כמו קניה.
חמישה אחוזים מהילדים בקניה הם בעלי תזונה חריף, על פי סקר הבריאות הדמוגרפי של קניה 2022, רמה שנחשבה לדאגה לבריאות הציבור.
מדענים המציאו מודל למידת מכונה המשתמש בנתוני בריאות קליניים ותמונות לוויין כדי לחזות מגמות תת תזונה ברחבי הארץ.
הכלי פותח על ידי צוות מאוניברסיטת דרום קליפורניה (USC), בשיתוף עם AI של מיקרוסופט למעבדת מחקר טובה, Amref Health Africa ומשרד הבריאות של קניה.
החוקרת המובילה לורה פרגוסון, מנהלת מחקר במכון USC לחוסר שוויון בבריאות העולמית, אומרת שהמטרה היא לצייד את רשויות הבריאות באזהרות מוקדמות התומכות בתגובות מניעה וטיפול יעילות.
"הכלי נועד לחזות תת תזונה על פני מחוזות בקניה (וגם) … להכין אסטרטגיות מניעה וטיפול"אמר פרגוסון Scidev.netו
כדי ליצור תחזיות אלה, המודל מושך נתונים ממערכת תוכנת המידע הבריאותי המחוזי של הממשלה (DHIS2) ומשלב אותם עם תמונות לוויין כדי להצביע היכן ומתי ככל הנראה תזונה תזונה.
בניגוד למודלים מסורתיים התלויים אך ורק במגמות היסטוריות, כלי AI זה משלב נתונים קליניים ביותר מ- 17,000 מתקני בריאות קניה.
היא השיגה דיוק של 89 אחוזים לתחזיות של חודש ו -86 אחוז דיוק במשך שישה חודשים, וסימן שיפור משמעותי ביחס לדגמי הבסיס.
הכלי יכול גם לשלב נתונים זמינים לציבור על צמחייה חקלאית הנגזרת מתמונות לוויין במודל, כדי לציין מקורות מזון זמינים, הוסיף פרגוסון.
החוקרים מעודדים את התוצאות בקניה, מקווים כי ניתן להתאים את הכלי לשימוש בכמעט 125 מדינות אחרות שמשתמשות גם ב- DHIS2- במיוחד אצל 80 מדינות בעלות הכנסה נמוכה ובינונית בהן תת תזונה נותרה גורם מוביל לתמותה בילדים.
"המודל הזה הוא מחליף משחק"אמרה ביסטרה דילקינה, פרופסור חבר למדעי המחשב ומנהלת משותפת של מרכז USC לחברה בחברה.
"על ידי שימוש במודלים AI מונעי נתונים, אתה יכול לתפוס קשרים מורכבים יותר בין משתנים מרובים העובדים יחד כדי לעזור לנו לחזות תזונה מדויקת יותר,"היא הסבירה.
כדי למקסם את ההשפעה של הכלי, שיתוף הפעולה בין המגזרים הוא המפתח, אומר סמואל מבורו, ראש טרנספורמציה דיגיטלית ב- Amref Health Africa, שעבד גם הוא על הפרויקט. הוא מציע ליישר בין שירותי בריאות למאמצי חקלאות וניהול אסונות.
"המשך השקעה בתשתיות והדרכה של בריאות דיגיטלית היא גם קריטית"אמר מבורו Scidev.netו
פיטר אוואר, מנהלת המדינה בקניה של הלן קלר אינטרנשיונל, עמותה מבוססת ארה"ב המתמקדת בתזונה ובריאות, מסכימה כי שילוב נתוני צמחייה עם DHIS2 משפר את דיוק החיזוי.
"זה משפר את דיוק התחזיות"אמר אוראט, שלא השתתף במחקר.
"עם זאת, לנתוני DHIS, שהם המקור העיקרי שלהם, יש מגבלות רבות באיכות – במיוחד לתזונה."
ילדים בדרך כלל מוקרנים רק לצורך תזונה במתקנים בהם ניתן לקבל טיפול, מה שמגביל את מידת הייצוג של הנתונים, הוסיף.
