I krig, katastrofe eller hungersnødige områder rapporterer velgørenhedsorganisationer ofte om antallet af børn, der lider underernæring i procentdel - en ud af 10, en ud af fem, en ud af tre. Men har du nogensinde spekuleret på, hvordan disse satser beregnes?
At betragte hvem og hvor mange mennesker, der er underernærede, kræver en vis mængde faglig dygtighed. Desværre mangler områder, der oplever humanitære katastrofer, ofte arbejdere med denne form for uddannelse.
Nu har et Kenya-baseret firma udviklet en AI, der muligvis kan bedømme et barns ernæringsstatus gennem et simpelt foto. De håber, teknologien, kaldet MERON (Metoder til ekstremt hurtig observation af ernæringsstatus), kan hjælpe med at indsamle vitale data i områder, hvor uddannede arbejdstagere ikke er tilgængelige eller upraktiske.
”Vi arbejder i meget usikre områder, hvor vi leverer fjernovervågningstjenester, ” siger Ben Watkins, administrerende direktør for Kimetrica, et firma, hvis mission er at hjælpe regeringer og nonprofitorganisationer med at øge effektiviteten af hjælpepenge. ”Så vi overvåger fødevaresikkerheden og ernæringssituationen i områder, som agenturer ikke nødvendigvis har særlig pålidelig adgang til.”
MERON er blevet trænet i en database med fotos for at være i stand til at genkende ansigtstræk, som kindernes rundhed, der svarer til underernæring. Alt det behøver er et ansigtsfoto, og det kan øjeblikkeligt kategorisere billedet som normalt, moderat underernært eller alvorligt underernært. Indledende forsøg antyder, at AI har en 78 procents nøjagtighedsrate til at detektere individer med normal vægt; Kimetrica arbejder i øjeblikket med forsøg med fotos af underernærede børn.
Ideen til MERON kom fra Watkins 'teenagedatter. Watkins og hans team havde diskuteret ideer til enkle, mindre invasive måder til at vurdere underernæring under børn. Hans datter sagde: ”Hvorfor tager du ikke bare billeder af folks ansigter? Du kan fortælle, hvordan tunge mennesker er ved bare at se på deres ansigter. "
Det var en god idé, tænkte Watkins. Når alt kommer til alt er ansigtstræk en faktor, der trænes af menneskelige vurderere til visuelt at bedømme underernæring. Hans datter navn? Meron. AI's navn er faktisk et baggrund for dets ophavsmand.
Der er i øjeblikket flere metoder til vurdering af akut underernæring hos børn. En trænet observatør kan foretage en visuel vurdering baseret på faktorer som spild af muskler. Evaluerere kan måle et barns midterste overarms omkreds - cutoffet for ”alvorlig akut underernæring” er 11 centimeter for børn under fem år. Eller der kan bruges et forhold mellem vægt og højde.
Måling af omfanget af underernæring er kritisk både for at få hjælpepenge og for at beslutte, hvilke børn der er behov for akut medicinsk behandling og terapeutiske fødevarer - ofte energitætte pastaer, tilsat mikronæringsstoffer.
Men Kimetrica arbejder ofte med meget flygtige, meget fjerntliggende områder. Selv hvis der er uddannede bedømmere tilgængelige, er arbejdet ofte farligt for både dem og de familier, de vurderer. Lokale myndigheder i krigsherjede regioner værdsætter muligvis ikke, at internationale agenturer skaber opmærksomhed om deres interne kaos. Opsætning af et telt for at tage arm- eller højde- og vægtmålinger kan vække uønsket opmærksomhed.
”Der er behov for diskret teknologi, hvor den kan bruges uden at skabe opmærksomhed eller være for iøjnefaldende i marken, ” siger Watkins. ”Ideen om at bruge en smartphone er tiltalende i den henseende, fordi du hurtigt kan tage et øjeblik.”
Andrew Jones, en ernæringsfysiolog på folkesundheden ved University of Michigan, er enig i, at de nuværende metoder til vurdering af underernæring kan være invasive i visse sammenhænge. Måling af armomkrets kan involvere fjernelse af tøj, hvilket kan være tabu i nogle kulturer. Og at få højdemålinger kræver træning og et barns samarbejde.
”Det er faktisk ganske traumatisk for nogle små børn at få en fremmed komme og tage deres højde, ” siger Jones.
Jones siger, at han kan se rollen for teknologier som MERON i humanitære nødsituationer.
”I disse sammenhænge kan jeg helt sikkert se et behov for at screene masser af børn på kort tid med begrænsninger på uddannet personale, ” siger han.
Jones bemærker, at alvorlig akut underernæring - den slags, der præsenterer sig med spildte lemmer og hævede maver - faktisk er meget mindre almindelig end andre former for underernæring. Mere almindeligt er ”stunting” - den nedsatte vækst og udvikling, der kan komme fra dårlige diæter. Forfærdede børn er ikke nødvendigvis tynne - nogle ser faktisk meget lubben ud - men de kan lide kognitive svækkelser og dårligt helbred.
”Der er mange flere afskrækkede børn i verden end der er børn, der er alvorligt akut underernærede, ” siger Jones. Ifølge data fra WHO og UNICEF er omkring 155 millioner børn over hele verden forvirrede, mens ca. 16 millioner lider af alvorlig akut underernæring.
Kimetrica har felt-test MERON, og har et par kinks til at træne, før programmet muligvis ikke bliver rullet. Først skal de anvendte fotos have barnet vendt fremad i godt lys. Dette kræver en vis træning fra fotografens side, hvad enten det er en forælder eller en lokal arbejdstager. For det andet skal MERON testes på børn af forskellige nationaliteter og etniske grupper for at sikre, at det er lige så nøjagtigt for alle. Holdet skal derefter oprette en problemfri app, der giver øjeblikkelig feedback.
Watkins håber MERON i sidste ende kan have applikationer ud over svær akut underernæring, såsom diagnosticering af sygdomme som kwashiorkor, en form for proteinundernæring, der forårsager hævelse, eller endda vurdere fedmehastigheder.
