儿童营养不良在尼泊尔和其他医疗资源匮乏的地区仍然是一个严重的健康问题。这项新研究探讨了计算机人工智能是否能够帮助及早识别营养不良儿童，即使在医生和营养师稀缺的地区也不例外。研究人员分析了2019年从近13000个尼泊尔家庭收集的数据，测试了16个不同的人工智能系统，以确定哪个系统最能预测哪些儿童存在风险。
所研究的儿童年龄从婴儿到学龄前儿童，研究重点关注三种类型的营养不良：发育迟缓（身高过矮）、消瘦（体重过轻）和体重不足。
TabNet在识别高风险儿童方面表现优于其他人工智能系统
在测试的所有16个人工智能系统中，TabNet——一种较新的技术，通过关注数据中最重要线索来工作——表现最佳。这很重要，因为识别营养不良儿童是关系到生死的工作；漏掉一个存在风险的儿童比错误地标记一个营养充足的儿童的代价要大得多。TabNet的设计使其在发现实际营养不良病例方面更有效。
三个家庭因素成为最强的预警信号
人工智能显示母亲的教育水平是预测儿童是否会营养不良的最强预测因素，其次是家庭财富和儿童年龄。地理位置、儿童是否接种过疫苗以及儿童进餐频率也很重要，但影响较小。这一发现与健康专家已知的情况相一致：拥有更多资源和受过教育的母亲的家庭往往养育得更好的儿童。
为缺乏专家的地区提供实用的筛查工具
研究人员建议在偏远或资源不足的地区使用这种人工智能方法作为简单的筛查系统。健康工作者无需等待营养师的访问，可以输入调查中已收集的基本家庭信息，系统将标记出哪些儿童需要紧急营养支持。这是一个可扩展的解决方案，意味着它可以广泛使用而无需大幅增加成本。
一个重要的限制：这项研究仅使用了来自尼泊尔的数据，因此结果可能不完全适用于其他国家或地区。但是，研究人员建议他们的方法可以针对其他类似的资源匮乏地区进行调整。
如何在您的社区应用这一发现
- 如果您的孩子在三岁以下，家庭资源有限，请在定期体检时询问您的卫生访问员关于简单营养不良筛查的问题。
- 支持社区中的母亲教育倡议——研究表明受过教育的母亲能为孩子的营养获得更好的结果。
- 确保您的孩子定期进餐；进餐频率被确定为与营养不良风险相关的可改变因素。