人工智能在全球卫生领域的应用：来自前线的观点

文献标题

AI in Global Health: The View from the Front Lines

文献信息

• 主题领域: 人工智能在全球卫生领域的应用与社会影响
• 关键词: 人工智能, 社会公益, 医疗保健, 印度, HCI4D, 定性研究

研究背景与问题

• 发现的问题或挑战：

  • 人工智能（AI）技术在全球卫生领域被广泛认为能够促进社会公益，但其实现的模式可能会加剧边缘化和隐私侵犯。
  • 尽管AI在全球南方国家卫生系统中愈加受到关注，基层医疗工作者（特别是女性）及其服务群体的声音在现有相关讨论中鲜有体现。
  • 大量AI在卫生领域的应用关注于孤立的问题（如诊断或疾病预测），缺乏对实施背景的深度理解以及对地方社区的广泛参与。

• 为什么这个问题很重要：

  • 世界多数人口居住在资源有限、边缘化或发展中环境中，针对这些地区的AI解决方案对实现可持续发展目标至关重要。
  • 基层卫生服务在全球南方国家的医疗系统中发挥关键作用，了解这些工作流程、文化背景和权力结构对设计和实施有效的AI系统至关重要。

• 研究动机与相关工作：

  • 作者的研究动机是通过真实的基层卫生工作者的视角展开分析，提供有关AI在低资源环境下如何设计和实施的具体建议，从而推动社会公益。
  • 相关研究包括学术成果（如社区健康项目中的技术应用）、以及灰色文献（政府、非营利和工业发表的白皮书）对AI在全球卫生领域应用的探讨。

解决方案

• 提出的方法或解决方案：

  • 进行主题性语篇分析以揭示AI在基层卫生领域的主要应用、驱动动机、参与方以及在地参与性。
  • 建立对设计AI系统的深刻理解，这些系统需要应对权力结构的不平等，同时通过对数据驱动的基层卫生工作者日常任务的洞察来支持她们的工作。

• 创新之处：

  • 将AI视角与基层卫生工作者和边缘化社区的民族志数据相结合，居于这些工作者的经验，从社会正义、后发展理论和跨国女性主义的视角出发重新定义“社会公益”。
  • 通过批判性视角，提出不同类别AI系统的设计改进，以及AI在资源有限地区的实际部署步骤。

• 实施步骤和技术：

  • 综合运用主题性语篇分析（分析了学术和灰色文献的347篇文献）和基于印度德里资源有限社区的三年民族志数据。
  • 系统梳理基层卫生工作流程（如数据采集、疾病响应、心理支持）并分析这些流程与AI技术的潜在交互点。

研究成果

• 具体成果：

  • 阐明AI在全球卫生领域的主要应用领域（如诊断和筛查、疾病预测和监测）。
  • 识别适合基层卫生工作流程的AI设计机会，例如通过资源分配优化提升服务质量，通过自动化减少重复性工作。
  • 提出对数据驱动的AI系统的伦理关切，包括数据隐私、透明度和所有权问题。

• 与现有解决方案的优势：

  • 强调民族志数据的重要性，以理解复杂的地方背景和基层工作流程，从而避免过于简化或不切实际的AI设计。
  • 主张将用户（例如基层卫生工作者）的主动性置于设计优先级，从避免强制性工作流程到重视地方知识和实践。

• 实验或评估结果：

  • 文献分析揭示了AI系统应用集中于高资源数据集或主流健康问题，在全球南方的资源有限环境中缺乏针对性。
  • 民族志研究展示了基层卫生工作者如何在复杂的社会政治生态系统中进行互动，并建议AI如何更好地支持这些流程。

• 局限性与未来方向：

  • 局限性: 文献分析仅包含英文文献，无法完全反映其他语言发表的相关研究；民族志数据主要基于印度德里地区，可能无法完全代表其他国家或地区。
  • 未来方向: 深化对基层卫生工作和AI之间伦理关系的研究；加强跨学科合作推动更具影响力的社会公益设计；开发环境友好的AI系统以减少资源消耗。