5 статей
Исследование описывает разработку и внедрение гибридной системы, использующей ИИ для автоматического извлечения данных из бумажных медицинских форм в условиях ограниченного использования электронных карт. Результаты показали высокую точность распознавания (AUCROC > 99%) и сокращение времени на ручной ввод данных на 50%.
В данной статье представлены результаты рандомизированного контролируемого исследования (RCT), направленного на изучение эффективности функции Guided Learning на базе модели Gemini. Исследование проводилось в Сьерра-Леоне с целью оценки того, как персонализированное ИИ-обучение влияет на вовлеченность и скорость усвоения знаний учащимися. Основной акцент сделан на потенциале использования больших языковых моделей для преодоления образовательных барьеров в развивающихся регионах. Результаты демонстрируют, что внедрение инструментов Guided Learning способствует значительному росту вовлеченности студентов в учебный процесс. Методология RCT позволяет подтвердить прямую корреляцию между использованием ИИ-ассистента и ускорением темпов обучения. Данная работа имеет важное значение для понимания того, как ИИ может масштабировать качественное образование и поддерживать когнитивное развитие в условиях ограниченных ресурсов.
Статья посвящена деятельности сообщества практиков AI4GH, которое фокусируется на развитии и внедрении технологий искусственного интеллекта в странах с низким и средним уровнем дохода (LMIC). Основная цель инициативы заключается в преодолении цифрового разрыва и обеспечении того, чтобы разработки в области ИИ для глобального здравоохранения возглавлялись непосредственно представителями этих регионов. Методология работы сообщества строится на создании междисциплинарных связей, обмене знаниями и поддержке локальных исследовательских проектов. В работе подчеркивается важность адаптации алгоритмов машинного обучения к специфическим условиям ограниченных ресурсов, где данные могут быть фрагментированы или смещены. Ключевым результатом деятельности является формирование устойчивой экосистемы, способной генерировать релевантные медицинские решения, учитывающие местный контекст. Это имеет критическое значение для обеспечения справедливости в глобальном здравоохранении и предотвращения технологической зависимости развивающихся стран.
Исследование оценивает систему AIFYA — инструмент поддержки принятия решений на базе LLM, адаптированный под протоколы ухода за новорожденными в Кении. Результаты показали высокую точность рекомендаций (75% верных, 15% частично верных) и успешное внедрение системы в рутинную практику медицинских учреждений.
Исследование посвящено этическим аспектам использования мобильного приложения MITHRA для скрининга и лечения депрессии у женщин в сельской Индии. Результаты подчеркивают необходимость гибридной модели помощи и адаптации процессов информированного согласия к местному культурному контексту.
