В Сьерра-Леоне внедрили ИИ для справедливого распределения лекарств — потребление выросло на 19%
Исследователи представили новый подход к распределению лекарств в странах с низким и средним уровнем дохода с помощью машинного обучения. Разработанная система учитывает не только данные, но и последствия принимаемых решений, что особенно важно при ограниченном качестве информации.
В основе метода лежит decision-aware machine learning — обучение с осознанием решений, дополненное мультизадачным обучением для эффективного использования малых выборок и каталитическими априорными распределениями для обеспечения справедливости. Совместно с правительством Сьерра-Леоне система была развернута поэтапно по всей стране как инструмент поддержки принятия решений.
Эконометрическая оценка показала, что в пилотных округах потребление распределяемых препаратов выросло на 19%. Это подтвердило эффективность алгоритма в улучшении доступа к основным лекарствам. После успешного тестирования инструмент был масштабирован на национальный уровень.
По оценкам, система охватила более 2 миллионов женщин и детей до пяти лет. Работа демонстрирует, как методы машинного обучения могут повысить эффективность здравоохранения при минимальных затратах в условиях ограниченных ресурсов.
Проблема нехватки качественных данных часто мешает применению традиционных аналитических методов в развивающихся странах. Предложенный фреймворк позволяет обойти это ограничение, сохраняя высокую точность и справедливость распределения.
Исследование показывает потенциал алгоритмов для решения реальных социальных задач и может быть адаптировано для других регионов со схожими проблемами.
