В самом сердце Индии происходит тихая революция, поддерживаемая дуэтом искусственного интеллекта и скромного мобильного телефона. Доктор Апарна Хегде, страстная сторонница охраны материнства и основатель, председатель и управляющий попечитель ARMMAN, и доктор Апарна Танеджа, научный руководитель Google DeepMind India, объединили усилия для решения одной из самых насущных проблем Индии: снижения предотвратимых смертей во время беременности и родов.
Их любимое оружие? Инновационная система на базе искусственного интеллекта, которая прогнозирует, какие будущие матери наиболее подвержены риску отказа от основных программ медицинской информации, что позволяет ARMMAN, некоммерческой организации доктора Хегде, оказывать своевременную и адресную поддержку.
RichWeNews подробно рассматривает это новаторское партнерство, исследуя, как ИИ не только расширяет возможности информационно-просветительской работы, но и открывает неожиданные подробности о жизни матерей и их семей, прокладывая путь к будущему, в котором технологии и человеческое сострадание будут работать рука об руку, спасая жизни.
ПД: Не могли бы вы описать конкретные технические проблемы, с которыми вы столкнулись при разработке этой технологии предиктивного моделирования на основе ИИ для охраны материнского здоровья? Как поддержка и ресурсы Google pro bono помогли преодолеть эти проблемы?
Апарна Хегде: Мы обнаружили, что почти 30%-40% женщин не всегда слушали звонки; они не отвечали на звонки или не слушали полностью. При ограниченном количестве персонала было очень сложно достучаться до всех этих женщин. Нам нужен был метод, позволяющий заранее определить, какие из этих женщин имеют высокий риск отказа от участия, и расставить приоритеты.
Я знала, что ИИ, возможно, мог бы указать нам правильное направление. Модель, разработанная при безвозмездной поддержке исследовательской группы Google, помогла нам удержать около 30% молодых и будущих матерей с самым высоким риском выбывания из программы.
Мы увидели, что когда женщины слушают информацию, результаты в области здравоохранения феноменальны. Мы можем охватить все больше и больше женщин каждую неделю, вернуть их в лоно общества и спасти жизни благодаря ИИ.
ПД: Можете ли вы подробнее рассказать о конкретных типах данных, используемых в модели ИИ, и о том, как они собираются этично и ответственно, обеспечивая конфиденциальность?
Апарна Танеджа: Используя анализ миллионов анонимных записей звонков с помощью искусственного интеллекта, программа помогает ARMMAN выявлять участников, наиболее подверженных риску отказа от программы, и отдавать им приоритет для дополнительной персонализированной поддержки со стороны сотрудников колл-центра ARMMAN и партнеров по сообществу, в том числе для личной поддержки и ресурсов для решения конкретных проблем.
Модель была разработана в соответствии с принципами ответственного ИИ и прошла строгую проверку несколькими советами по этике.
ПД: Можете ли вы количественно оценить влияние этой технологии ИИ на результаты в области охраны материнского здоровья на сегодняшний день? Есть ли какие-то конкретные показатели, которые вы отслеживаете, например, снижение показателей отсева, улучшение соблюдения дородового ухода и т. д.?
Апарна Хегде: В ARMMAN мы уже более десяти лет предлагаем нашу бесплатную услугу голосовых звонков, предоставляя своевременную и целевую профилактическую информацию о здоровье будущим и молодым матерям в малообеспеченных сообществах на языках и в выбранные ими временные интервалы. Мы увидели, что регулярное использование услуги было связано с улучшением поведенческих и медицинских результатов для женщин и их детей, при этом на 17% больше младенцев достигают здорового веса при рождении в течение первого года, на 25% больше беременных женщин принимают таблетки с жизненно важным железом и фолиевой кислотой (IFA), и почти на 48% повышается осведомленность женщин о методах планирования семьи.
Интегрировав модель ИИ, разработанную при бесплатной поддержке исследовательской группы Google, мы смогли удержать около 30% молодых и будущих матерей с самым высоким риском отказа от программы. Это означало, что больше женщин получали и действовали в соответствии с информацией о здоровье, которую они получали через нашу программу, что привело к лучшим результатам в отношении здоровья для них и их детей.
Первоначально пилотная версия программы была запущена в 2019 году с участием 175 000 женщин, а затем искусственный интеллект, лежащий в основе этой программы, был масштабирован на базу данных примерно из 350 000 женщин, воспользовавшихся услугой.
ПД: Каким образом эта технология дополняет и расширяет влияние существующих программ охраны материнского здоровья в Индии?
Апарна Хегде: ARMMAN теперь также реализует программу Kilkari, мобильную программу медицинской информации в сотрудничестве с правительством Индии, которая охватила более 49 миллионов женщин и их детей в 20 индийских штатах и союзных территориях. Исследовательская группа Google оказывает безвозмездную поддержку, чтобы помочь ARMMAN разработать модели ИИ для улучшения участия Kilkari.
Какие типы алгоритмов машинного обучения используются в предиктивном моделировании? Почему были выбраны именно эти подходы?
Апарна Танеджа: Решение Machine Learning было смоделировано на основе фреймворка оптимизации ресурсов под названием Restless Multi-Armed Bandits (RMABs), который идеально подходит для оптимизации распределения ресурсов в условиях бюджетных ограничений. Наши исследования обнаружили, что RMABs продемонстрировали статистически значимую превосходную производительность по сравнению с другими подходами, а также позволили повысить вычислительную эффективность.
Модель анализировала поведение и реакцию участников на автоматизированные анонимные звонки в течение определенного периода времени и предоставляла статистически значимые прогнозы относительно их дальнейшего участия, что позволяло сотрудникам колл-центра ARMMAN и партнерам сообщества отдавать приоритет участникам, которые в наибольшей степени подвержены риску отказа от программы, для дополнительной персонализированной поддержки, включая личную поддержку и ресурсы для решения конкретных проблем.
Такая расстановка приоритетов помогла ARMMAN оптимизировать свои ресурсы для максимального взаимодействия с будущими и молодыми матерями.
ПД: Есть ли какие-нибудь интересные истории о матерях, на чью жизнь эта технология оказала положительное влияние?
Апарна Хегде: Подтверждая эффективность поддержки с помощью ИИ, участник программы сказал: «Раньше я не мог прослушивать звонки. Затем сотрудник ARMMAN связался со мной и объяснил преимущества прослушивания сообщений. Теперь я регулярно прослушиваю звонки. Такое ощущение, что за тобой присматривает кто-то из твоей семьи. Я следую всем советам и хорошо забочусь о своем ребенке».
Мы также заметили, что возросшая осведомленность женщин о своем здоровье способствовала важным социальным сдвигам в различных сообществах: матери стали активнее отстаивать права и заботиться о своих дочерях, а также получать больше поддержки от своих семей для своих детей и для себя.
ПД: С какими неожиданными трудностями и успехами вы столкнулись во время работы над этим проектом?
Апарна Танеджа: Модель машинного обучения развивалась в течение жизненного цикла разработки, поскольку исследовательская группа работала с ARMMAN, изначально только выявляя женщин с риском выхода из программы ARMMAN, чтобы в конечном итоге ранжировать их по тем, кто потенциально получит наибольшую пользу от дополнительного вмешательства. Это был значительный концептуальный сдвиг, который помог ARMMAN оптимизировать ресурсы.
Модель также учитывает динамическую природу человеческого поведения и подходы, которые могут быть контрпродуктивными, препятствуя повторным звонкам, если поведение слушающей женщины остается неизменным. Это дополнительное соображение делает модель более соответствующей реальному поведению человека, в конечном итоге приводя к более эффективной и уважительной стратегии вмешательства.
Более того, сотрудники ARMMAN обнаружили непреднамеренный результат проектирования, заметив, что модель ИИ каким-то образом выявляла матерей, которые могли испытывать трудности во время беременности, и могла отдавать им приоритет для получения дополнительной поддержки от общественных работников.
ПД: Какую роль, по вашему мнению, может сыграть ИИ в улучшении доступа к здравоохранению и решении социальных проблем в Индии и за ее пределами?
Апарна Хегде: Мы увидели эффективность подхода tech + touch на собственном опыте, не только с феноменальными результатами в области здравоохранения после интеграции моделей ИИ, но и с межпоколенческими преобразованиями, которые укрепляют семьи и сообщества. Наша задача — принять мультимедийные подходы и, учитывая огромные объемы данных, которыми мы располагаем, использовать возможности ИИ и предиктивной аналитики, чтобы лучше обслуживать еще больше матерей и детей.
Апарна Танеджа: Возможности для вмешательств с использованием ИИ огромны. Одна только структура, которую мы использовали для решения проблемы удержания участников в программе медицинской информации ARMMAN, потенциально имеет множество применений — в секторе здравоохранения, но и за его пределами, в таких секторах, как сельское хозяйство и образование.
В Google мы глубоко убеждены, что ИИ может быть мощной силой не только для здоровья, но и для социальной справедливости. Хотя это было движущей силой для нашей команды ИИ для социального блага, поскольку мы оказывали безвозмездную поддержку ARMMAN для разработки модели ИИ, другие команды в компании разрабатывают высокоэффективные решения для глобальных проблем в тесном сотрудничестве с деятелями перемен, предпринимателями и заинтересованными сторонами со всего мира, используя наши технологии, возможности и ресурсы для поддержки и обеспечения масштабного воздействия.
