微量營養素缺乏症影響全球超過20億人，其中包括3.4億兒童。 維生素和礦物質的缺乏可能導致嚴重的健康後果。 但是，為了有效治療而儘早診斷出缺陷，需要昂貴且耗時的抽血和實驗室檢查。
新的研究提供了一種更有效的方法。 計算機科學家伊麗莎白·邦迪和她在哈佛大學的同事使用公開可用的衛星資料和人工智慧，可靠地確定了人口面臨微量營養素缺乏症高風險的地理區域。 這種分析可能為早期的公共衛生干預鋪平道路。
現有的人工智慧系統可以使用衛星資料來預測區域性地區的糧食安全問題，但它們通常依賴於直接可觀察的特徵。 例如，可以透過植被的檢視來估算農業生產力。 微量營養素的可用性更難計算。 在看到研究表明森林附近的地區往往具有更好的膳食多樣性之後，邦迪和她的同事受到啟發，開始尋找潛在營養不良的鮮為人知的標誌。 他們的工作表明，結合植被覆蓋、天氣和水的存在等資料可以表明哪些地區的人口會缺乏鐵、維生素B12或維生素A。
關於支援科學新聞
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。 透過購買訂閱，您正在幫助確保未來關於塑造我們當今世界的發現和想法的具有影響力的故事。
該團隊檢查了原始衛星測量資料並諮詢了當地公共衛生官員，然後使用人工智慧篩選資料並查明關鍵特徵。 例如，根據可見的道路和建築物推斷出的食品市場對於預測社群的風險等級至關重要。 然後，研究人員將這些特徵與馬達加斯各地四個地區人口中缺乏的特定營養素聯絡起來。 他們使用真實世界的生物標誌物資料（在實驗室中測試的血液樣本）來訓練和測試他們的人工智慧程式。
對訓練資料集之外的人群進行區域級微量營養素缺乏症預測達到了，有時甚至超過了當地公共衛生官員進行的調查估計的準確性。 邦迪說：“我們的工作展示了一種方法，該方法可以識別弱勢群體並有針對性地為他們提供營養支援，這可以補充……昂貴且具有侵入性的程式。” 該研究在人工智慧促進協會2022年虛擬會議上詳細介紹。
“這是一項新穎的貢獻，突出了人工智慧在促進公共衛生方面的潛力，”埃默裡大學流行病學家克里斯汀·埃肯加說，她沒有參與這項研究。 她補充說，由於成本和基礎設施的限制，在資源匱乏的環境中收集健康資料可能很困難，“作者已經驗證了一種可以克服這些挑戰的方法。”
研究人員旨在開發一種軟體應用程式，將此分析擴充套件到其他擁有公共衛星資料的國家。 邦迪說：“我們希望該應用程式能夠使公共衛生官員與我們的系統可以提供的見解互動，並有助於為干預措施提供資訊。”