一支跨学科研究团队开发出能提前六个月预测肯尼亚儿童急性营养不良的人工智能模型。该工具为政府和人道主义组织提供了关键缓冲期，可及时向高危地区输送救命的食品、医疗物资和补给品。该机器学习模型整合了肯尼亚超过1.7万家医疗机构的临床数据与卫星获取的作物健康及生产力数据，其预测性能超越传统方法：提前一个月预测的准确率达89%，六个月内预测准确率保持86%——相较于仅依赖近期儿童营养不良流行率趋势的简易基准模型，这是显著提升。
该工具为政府和人道主义组织提供了至关重要的提前期，以便向风险地区运送救命的食品、医疗保健和物资。该机器学习模型通过整合来自肯尼亚超过17,000个医疗机构的临床数据以及关于作物健康和生产力的卫星数据，其表现优于传统方法。
在预测一个月后的情况时，其准确率达到89%，并在六个月内保持86%的准确率——这相对于仅依赖近期历史儿童营养不良流行趋势的简单基线模型而言是显著改进。
与现有模型相比，这款新工具在预测营养不良流行率波动且激增难以预见的地区尤其有效。
“该模型具有颠覆性意义，”计算机科学副教授、南加州大学社会人工智能中心联合主任比斯特拉·迪尔金娜（Bistra Dilkina）表示，“通过使用数据驱动的人工智能模型，可以捕捉多个变量之间更复杂的相互关系，这些变量共同作用，帮助我们更准确地预测营养不良流行率。”
研究结果详细发表在将于2025年5月14日出版的《PLOS One》研究中，标题为“利用机器学习和多样化指标集预测肯尼亚儿童急性营养不良”。
该研究的共同作者包括：吉尔马·阿贝贝·塔德斯（微软人工智能公益实验室）、劳拉·弗格森（南加州大学全球健康不平等研究所）、迦勒·罗宾逊、拉胡尔·多迪亚、胡安·M·拉维斯塔·费雷斯（微软人工智能公益实验室）、希普拉·库里亚、赫伯特·万约尼、塞缪尔·姆布鲁（非洲健康基金会）、塞缪尔·穆拉格（肯尼亚卫生部）以及比斯特拉·迪尔金娜（南加州大学社会人工智能中心）。
微软驻肯尼亚内罗毕人工智能公益实验室首席科学家兼经理吉尔马·阿贝贝·塔德斯表示，他相信这款预测性人工智能工具将产生重大影响。
“这个项目很重要，因为营养不良对非洲儿童构成重大挑战，而气候变化正加剧该大陆面临的严重粮食不安全问题，”他说。
公共卫生紧急事件
在肯尼亚，5%的五岁以下儿童——估计为35万人——患有急性营养不良，这种病症会削弱免疫系统，并显著增加因腹泻和疟疾等常见疾病死亡的风险。在某些地区，该比率高达25%。在全球范围内，营养不良与近半数五岁以下儿童的死亡相关。
“营养不良在肯尼亚是一项公共卫生紧急事件，”南加州大学全球健康不平等研究所研究主任、南加州大学凯克医学院人口与公共卫生科学副教授劳拉·弗格森表示。“儿童正在承受不必要的病痛。儿童正在经历不必要的死亡。”
目前肯尼亚的预测工作主要基于专家判断和历史知识——这些方法难以预测新出现的风险热点地区或快速变化。
相反，该团队的模型利用肯尼亚通过地区卫生信息系统2（DHIS2）收集的常规健康数据，结合卫星获取的作物健康与生产力等指标，以更高的精度识别新兴风险区域。
“预测未来的最佳方法是利用现有数据创造未来，以便在发展中国家进行更好的规划和资源预置，”肯尼亚卫生部营养与饮食学司监测评估项目官员穆拉格·S.M·基昂戈（Murage S.M. Kiongo）表示。“趋势为我们讲述故事。多方面的数据源结合机器学习，为改善营养和健康问题的规划提供了契机。”
研究人员已开发出一个原型仪表板，可直观展示区域营养不良风险，从而实现对儿童营养不良风险更快速、定位更精准的响应。弗格森和迪尔金娜目前正与肯尼亚卫生部和非洲健康基金会合作，将该模型和仪表板整合到政府系统和决策中，目标是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仅靠卫生领域无法解决，这就是其中之一，”弗格森说。“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。如果缺少任何一个合作伙伴，它就难以运作，也无法产生我们所期望的影响力。”
目前有125多个国家使用DHIS2系统，其中包括约80个中低收入国家。这意味着这个仅依赖现有健康与卫星数据的人工智能驱动框架，可被调整用于全球其他国家抗击营养不良问题。
“如果我们能为肯尼亚做到这一点，我们也能为其他国家做到，”迪尔金娜说。“当存在真诚的合作承诺时，潜力是无限的。”