人工智能结合移动技术与社交媒体在非洲健康领域的应用：范围综述与前景展望

《Nature Communications》：Scoping review of artificial intelligence via mobile technology and social media for health in Africa

为解决AI与移动技术、社交媒体结合在非洲健康应用的研究空白，研究人员开展了范围综述，发现当前研究集中于传染病且存在地域不均等问题，提出了加强地理公平性、拓展疾病谱和平台多样性等六大政策建议，为促进非洲健康公平提供了重要科学依据。

　　

在数字技术迅猛发展的今天，非洲大陆正经历着一场静悄悄的变革。根据国际电信联盟报告，截至2020年底，撒哈拉以南非洲移动服务用户已达4.95亿，预计到2025年将有半数非洲人拥有手机。与此同时，互联网使用率在2019至2021年间增长了23%，2022年用户数达到3.84亿。这种数字普及为健康领域创新提供了前所未有的机遇。

然而，尽管移动技术和社交媒体在全球健康应用中展现出巨大潜力，人工智能（AI）与这些技术结合在非洲健康领域的应用程度和效果却鲜为人知。先前的研究虽然关注了移动健康（mHealth）和社交媒体在非洲的应用，但缺乏对AI和机器学习（ML）方法如何与这些技术协同工作的系统评估。这种知识空白限制了我们对数字健康技术在非洲大陆全面潜力的理解。

为了填补这一空白，由毛里求斯大学Shakuntala Baichoo和波士顿大学Elaine O. Nsoesie共同领导的研究团队，在《Nature Communications》上发表了题为"Scoping review of artificial intelligence via mobile technology and social media for health in Africa"的范围综述。这项研究系统评估了2014年1月至2023年1月期间AI/ML方法如何与社交媒体和移动电话结合，用于研究和改善非洲的健康与疾病动态。

研究人员采用系统范围综述方法，遵循系统综述和Meta分析优先报告项目（PRISMA）指南，检索了EMBASE、PubMed Central、Web of Science和Google Scholar等数据库，最终从469篇文献中筛选出29篇符合条件的研究进行深入分析。研究团队提取了文献的多维度信息，包括AI/ML方法类型、研究的疾病和人群、使用的社交媒体平台类型以及地理代表性等。

关键技术方法包括：使用PRISMA指南进行系统文献检索与筛选；应用描述性统计和可视化方法分析研究特征；对AI/ML算法进行分类评估（包括监督学习、无监督学习、深度学习等）；分析移动技术和社交媒体的应用模式；评估研究的地理分布和机构参与情况。

研究结果

纳入研究特征

经过系统筛选，研究团队最终纳入了29项符合条件的研究。这些研究在时间分布上呈现波动趋势，2021年发表数量最多（10篇）。研究覆盖了非洲21个国家，每个地理区域（北非、南非、西非、中非和东非）都有代表，但研究分布极不均衡，主要集中在互联网和手机普及率较高的国家，如南非、尼日利亚和肯尼亚。

在作者机构 affiliation 方面，共有215位作者贡献于这29篇论文，其中仅有24%（51位）来自非洲机构，显示出非洲研究机构在相关领域的代表性不足。

健康问题与人群特征

研究关注的健康问题十分广泛，涵盖传染病和非传染性疾病（NCDs）。传染病是主要焦点，包括COVID-19（4项研究，13.8%）、疟疾（5项，17.2%）、HIV/AIDS（2项，6.9%）、埃博拉（3项，10.3%）和结核病（2项，6.9%）等。仅有2项研究（6.9%）关注宫颈癌筛查。其他疾病和条件如糖尿病、孕产妇健康、肥胖等仅被个别研究提及。

大多数研究同时关注男性和女性人群，三项研究专门关注女性健康，一项关注蚊子（疾病媒介），一项关注药物设计。

AI与机器学习算法特征

研究使用的ML和AI方法可分为七大类。监督学习技术最为常见，出现在16项研究（55.2%）中，其中回归方法用于11项研究（38%）。深度学习算法用于9项研究（31%），无监督学习方法如主题建模用于4项研究（14%）。空间建模和其他自然语言处理技术各用于一项研究。

具体算法方面，共使用了47种算法或技术。最常用的是支持向量机（SVM，6项研究）、卷积神经网络（CNN，5项研究）、潜在狄利克雷分配（LDA，4项研究）等。其他算法如随机森林、K近邻等使用频率较低。

社交媒体平台与移动技术使用特征

在29项研究中，12项（41.4%）使用移动电话，16项（55.2%）使用社交媒体，1项（3.4%）使用其他工具。移动电话被用作显微镜摄像头、远程医疗和数据收集工具。多项研究使用了多种社交媒体平台，Twitter和Facebook最常用。Nairaland是唯一被使用的非洲本土社交媒体平台。

数据可及性方面，16项研究（55.2%）使用了公开可获取的数据集，5项研究（17.2%）的数据可经请求获取，8项研究（27.6%）未公开数据。

方法有效性评估

大多数研究报告AI和ML算法实现了研究目标，但由于研究目标、数据和评估指标的异质性，难以进行跨研究比较。常用的性能指标包括准确率（11项研究）、精确率（8项研究）、曲线下面积（7项研究）、召回率（7项研究）、F值（9项研究）、灵敏度（9项研究）和特异度（7项研究）。

研究结论与讨论

这项范围综述揭示了AI/ML与移动技术、社交媒体结合在非洲健康应用领域的现状、挑战和机遇。研究发现，虽然对这些工具的兴趣日益增长，但存在几个关键问题需要解决。

首先，研究项目在国家间分布不均，反映了整个非洲大陆在基础设施和技术获取方面的更大差距。其次，非洲机构在研究中代表性不足，突显了投资非洲科学家、促进公平合作的重要性。第三，缺乏对当地背景和机构的融入，限制了研究成果的实际影响力。第四，整体上缺乏对伦理挑战和考虑的讨论，这在用AI/ML解决健康和社会问题已知问题背景下尤为关键。

基于研究发现和已识别的差距，研究团队提出了六个关键领域的政策与研究建议：

科学投资需要地理公平

研究发现AI/ML及移动和社交媒体技术在促进非洲健康方面存在明显的地域差异。需要直接投资于必要的基础设施建设，包括计算资源，特别是在目前服务不足的地区。政策应支持资源的公平分配，确保非洲所有国家都能平等受益于科技进步。

疾病与健康条件的差异

虽然疟疾和COVID-19等传染病已成为使用AI与移动电话和社交媒体的已发表研究的焦点，但越来越需要应用这些方法来更好地捕捉卫生系统的复杂适应性性质以及非传染性疾病（NCDs）日益加重的负担。非洲AI和ML的健康应用需要系统方法，考虑特定背景下的医疗保健基础设施和系统级挑战的现实情况。

社交媒体平台多样性不足

当前研究的范围主要局限于Facebook和Twitter等社交媒体网站。其他平台，如WhatsApp和TikTok，在整个非洲广泛使用，为健康促进提供了重要机会。使用多种平台可以填补单个平台的空白，并能够捕捉多样化的观点和情感，为政策决策提供信息。

科学知识的普及与传播

AI和社交媒体在改善公众对科学和健康传播的理解和可及性方面的应用在综述研究中未得到足够关注。AI辅助工具可以分析特定社区中普遍存在的错误信息，并用简单易懂的信息解决这些问题。公共卫生当局与科技公司之间的合作不仅在公共卫生紧急情况下至关重要，还可用于培养广泛分享科学和健康信息以提高认识和科学信任的文化。

医疗资源的数字可及性

两项研究分别提到了远程医疗和药物设计。远程医疗在大流行期间被称赞为增加获得护理机会的必要手段。在互联网服务可用的地方，AI驱动的远程医疗可以增强医疗保健可及性并改善预防性护理。政府可以制定政策来规范这些技术的创建和使用，以确保这些数字医疗平台和远程医疗服务稳健安全。

研究数据共享

如前所述，一些研究没有包含任何与非洲机构有关联的作者。需要在非洲研究人员和非洲以外的研究人员之间建立更公平的伙伴关系。拥有研究数据的团体有权影响研究重点和政策。阻碍非洲数据共享的因素包括权力不对称、信任、背景和当地知识。这些因素，特别是权力不对称和信任，意味着非洲以外的公共卫生研究人员更有可能承担收集和分析数据以描述非洲健康结果费用。不给数据收集者和当地研究人员足够信用的做法可能会阻碍研究工作，剥夺非洲研究人员推进自己解决当地问题方案的机会。

这项研究首次系统评估了AI与移动技术、社交媒体在非洲健康领域的结合应用，为政策制定者、研究人员和技术开发者提供了重要见解。通过解决已识别的研究空白和实施建议，这些数字工具有望在促进非洲健康公平、应对传染病和非传染性疾病双重负担方面发挥关键作用。随着数字技术在非洲的持续普及，这些工具的应用前景将更加广阔，为全球健康公平提供可借鉴的模式。

研究的局限性包括可能遗漏了某些相关研究，以及无法对研究方法的效果进行定量比较。未来研究应关注开发创新和背景化的方法，考虑非洲当前和新出现的医疗系统挑战，同时确保这些技术的公平和伦理使用。