電腦系統能比醫生單獨診斷更快、更公平地發現兒童成長問題嗎？來自多間機構的研究人員透過開發一套名為「智能營養監測模型」(INMM) 的人工智能工具來測試這個問題。該系統以來自兩項大型調查的健康數據進行訓練——一項來自美國，另一項來自印度——用以預測兒童是否患有發育遲緩，這是由營養不良引起的異常緩慢成長。
發育遲緩仍然是亞洲地區的重大關注問題，影響兒童的發展和學業表現。在新加坡，雖然整體營養水平已有所改善，但在低收入社區和移民家庭中仍然存在脆弱環節。
人工智能系統學習人類可能忽略的模式
INMM 的運作原理是分析定期檢查時蒐集的基本測量數據：年齡、性別、身高、體重和身體質量指數。人工智能不是採用簡單的規則，而是識別這些測量數據之間相互關係中隱藏的模式。例如，它能自動理解正常身高和體重因年齡而異——這是人工篩查人員在時間壓力下可能會忽略的。
與傳統電腦程式和其他人工智能系統進行比較測試時，INMM 表現出色。它更準確、更快速，所需的運算能力也更少。重要的是，研究人員在來自兩個不同國家和人口的數據上進行了測試，它在兩者上的表現都同樣穩定。
快速篩查，沒有偏見，特別適合資源緊張的診所
該系統在繁忙醫療環境中的主要優勢是效率。社區衛生工作者和診所工作人員可以使用它來快速識別需要進一步關注的兒童，而無需昂貴的設備或專業知識。與人類判斷不同，人工智能對每個兒童採用相同的標準，減少因無意識偏見而忽略某些兒童的機會。
對於新加坡和其他醫療資源緊張的亞洲地區，這可能意味著能在所有社區進行更快、更一致的篩查。然而，需要注意的是：這項研究在來自兩個國家的現有數據上測試了該人工智能系統。要在不同社區中實際應用，需要進一步測試以確保它在新環境中的表現同樣有效。
你可以用這些資訊做什麼
- 在定期檢查時詢問你孩子的醫生他們的成長篩查程序；系統的追蹤能比零散的檢查更早發現問題。
- 保存孩子每次就診時的身高和體重測量記錄，這樣你可以自己觀察趨勢，並與你的醫療服務提供者分享。
- 如果你的孩子到診所就診，而該診所資源有限，詢問他們是否使用篩查工具來識別營養風險兒童，因為在未來幾年，人工智能輔助系統可能會變得更加普遍。