幼兒營養不良在尼泊爾及其他醫療資源匱乏的地區仍是一個嚴重的健康問題。這項新研究探討電腦人工智能是否能幫助及早識別營養不良的兒童，即使在醫生和營養師短缺的地方也能發揮作用。研究人員分析了2019年收集自近13,000個尼泊爾家庭的數據，測試了16個不同的人工智能系統，以找出哪個系統最能預測哪些兒童面臨風險。
受研究的兒童年齡範圍從嬰幼兒至學前年紀，研究重點關注三種營養不良類型：發育不良（身高低於同齡水準）、消瘦（身高與體重不相稱）及體重過輕。
TabNet在識別高危兒童方面表現優於其他人工智能系統
在測試的16個人工智能系統中，TabNet是較新的技術，通過專注於數據中最重要的線索來發揮作用，表現最佳。這一點至關重要，因為識別營養不良兒童涉及生死攸關的工作；漏掉一個高危兒童遠比誤判一個非營養不良兒童的代價高得多。TabNet的設計使其在發現真實營養不良病例方面更具優勢。
三個家庭因素為最主要的預警訊號
人工智能顯示，母親的教育程度是預測兒童是否營養不良的最強指標，緊接著是家庭財富和兒童年齡。地理位置、兒童是否已接種疫苗及兒童進食餐次也有影響，但程度較低。這項發現與衞生專家已知的情況相符：擁有更多資源和受教育母親的家庭往往能提供更好的兒童營養。
為缺乏專科醫生地區提供的實用篩查工具
研究人員建議在偏遠或資源不足的地區採用這種人工智能方法作為簡單的篩查系統。醫療工作者毋須等待營養師到訪，可直接輸入已從調查中收集的基本家庭資訊，系統隨即可標示出哪些兒童需要緊急營養支援。這是一個可擴展的解決方案，意即可廣泛應用而無需額外投入龐大成本。
一個重要限制是：這項研究僅使用尼泊爾的數據，因此研究結果可能不完全適用於其他國家或地區。然而，研究人員建議他們的方法可適配於世界各地類似的資源匱乏環境中應用。
如何在你的社區應用這項發現
- 如果你的孩子未滿三歲且家庭資源有限，在例行健康檢查時向衞生訪問員查詢簡單的營養不良篩查。
- 支持社區內的母親教育計劃——研究表明受教育的母親能為兒童營養帶來更好的成果。
- 確保你的孩子定時進食；進食餐次頻率被確認為與營養不良風險相關的可改變因素。