Die Autorin Min’enhle Ncube ist Anthropologin und Stipendiatin des Mozilla Africa Mradi Research. Ncube untersucht die Herausforderungen und Gefahren, die durch voreingenommene Datensätze bei der Bereitstellung von qualitativ hochwertiger und zeitnaher Versorgung für Schwangere entstehen. Mehr erfahren.
Jede werdende Mutter verdient Zugang zur bestmöglichen Versorgung. In unserer zunehmend digitalen Welt verspricht die Verbindung von künstlicher Intelligenz (KI) und mütterlicher Gesundheit dieses Ziel zu erreichen. KI wurde breit gefächert im Gesundheitswesen eingesetzt, in Bereichen wie medizinische Bildgebung, Entscheidungsunterstützungssysteme, Fernüberwachung von Patienten, virtuelle Gesundheitsassistenten, Genomik für Präzisionsmedizin und andere Beispiele, die Diagnostik, Behandlung, Patientenmanagement und Gesundheitsverwaltung umfassen.
Meine ethnographische Untersuchung darüber, wie KI zur Unterstützung der mütterlichen Gesundheit in Sambia eingesetzt wird, bietet wichtige Erkenntnisse darüber, was repräsentative Datensätze sein könnten und welche ethischen Überlegungen für den Einsatz von gerechten KI-Anwendungen in der mütterlichen Gesundheit gelten. Hypertensive Störungen der Schwangerschaft sind die Hauptursache für mütterliche Sterblichkeit in Subsahara-Afrika - Präeklampsie und Eklampsie tragen zu ungünstigen mütterlichen und fötalen Ergebnissen bei. Diese ethnographischen Einblicke sind wertvoll, wenn man über aufkommende Technologien in Sambia nachdenkt, die KI nutzen, um die rechtzeitige Diagnose von Schwangerschaftsstörungen wie Präeklampsie zu verbessern und bessere mütterliche Ergebnisse zu erzielen.
Meine ethnographische Untersuchung bietet einige wichtige Erkenntnisse über ethische Überlegungen für den Einsatz von gerechten KI-Anwendungen in der mütterlichen Gesundheit.
Min'enhle Ncube, Mozilla-Stipendiatin
Die städtischen und stadtnahen Ungleichheiten in Sambia sind sozioökonomischer, infrastruktureller und sprachlicher Art. Man beobachtet, wie der Wohnort und der sozioökonomische Status die Zugänglichkeit des Internets und die Art des Mobilgeräts bestimmen. Elektrischer und solarer Strom ist in dicht besiedelten Gebieten weniger verbreitet oder weniger vorhanden als in Wohngebieten mit geringer Dichte. Der wirtschaftliche Status bestimmt den Besitz eines Smartphones – ein Telefon, das Apps ausführen kann - und den Zugang zu mobilen Daten oder WLAN, um von KI-gesteuerten Gesundheits-Apps, wie dem DawaMom-Produkt, profitieren zu können. Während Softwareentwickler die Bereitstellung von mobilen Apps in Umgangssprachen eingeleitet haben, haben einige Nutzer, insbesondere diejenigen außerhalb der Stadt, eine begrenzte Lesefähigkeit.
Während des ersten Jahres meines Doktorats in Anthropologie stieß ich auf Dawa Health, ein Medizintechnologie-Startup in Lusaka. Die Vision von Dawa Health, die mütterliche Versorgung mit Hilfe von KI zu unterstützen, begann bei BongoHive, einem Startup-Beschleuniger-Hub in Lusaka, der Unternehmer aus verschiedenen Disziplinen zusammenbringt, um Anwendungen für digitale Technologie zu erarbeiten. Die Kliniker von Dawa Health führen Hausbesuche durch, um Informationen zu sammeln, wie z.B. die primären Daten der Nutzer über ihren Blutdruck, den Hämoglobinspiegel, Symptome von Anämie, Anzeichen von Hypertonie oder Herz-Kreislauf-Erkrankungen und andere – das Ziel dieser Übung ist es, die Wahrscheinlichkeit von Störungen wie PE und Eklampsie vorherzusagen, um die Parität und die Schwere der Ergebnisse aus der Schwangerschaft zu verbessern und die Möglichkeit einer Fehlgeburt oder Totgeburt zu reduzieren. Ihr DawaMom ist eine App, die automatisierte personalisierte Informationen aus den gesammelten Gesundheitsdaten präsentiert, die Patienten und Gesundheitspraktikern bessere Hinweise auf potenzielle Hochrisiko-Schwangerschaftsstörungen wie PE geben.
Eine kürzlich erschienene Publikation beschreibt Präeklampsie (PE) als eine Mehrorganerkrankung, die bei Frauen nach der zwanzigsten Schwangerschaftswoche auftritt. Erhöhter Blutdruck (systolischer Blutdruck gleich oder größer als 140mmHg, diastolischer Blutdruck gleich oder größer als 90mmHg) und Proteinurie (überschüssiges Protein im Urin) sind häufige Indikatoren für PE. In ihrer Schwere ist PE durch höhere Blutdruckwerte und zusätzliche Symptome wie Sehstörungen, Schwellungen der Hände und des Gesichts, beeinträchtigte Leberfunktion, Bauchschmerzen, Kopfschmerzen und andere klinische Anzeichen gekennzeichnet. Im Falle einer Proteinurie können Labortests durchgeführt werden, um die Organfunktion zu beurteilen, und begleitende Bluttests können durchgeführt werden, um die Thrombozytenzahl, die Leber- und Nierenfunktion und die Gerinnungsfaktoren zu überprüfen. Die Bestimmung anderer Fälle von Präeklampsie kann die Überwachung der fetalen Herzfrequenz und Ultraschalluntersuchungen beinhalten, die das fetale Wachstum und Wohlbefinden beurteilen. Eklampsie ist eine fortgeschrittene Komplikation der Präeklampsie und ein medizinischer Notfall, der sich durch das Auftreten von Krampfanfällen und Konvulsionen bei einem Patienten mit Präeklampsie auszeichnet und eine Gefahr für die Mutter und das Baby darstellt, wobei eine erfolgreiche Entbindung die einzige Heilung ist. Eine gesundheitliche Einrichtung in Lusaka schätzte die Prävalenz von PE auf 18,9 %, und eine andere Studie vom Universitätsklinikum in Lusaka berichtete über eine Prävalenz von 12 %. Eine Regierungsbeurteilung zeigte, dass von den 398 mütterlichen Todesfällen pro 100.000 Lebendgeburten in Sambia etwa 18 % direkt auf PE oder Eklampsie zurückzuführen sind, was sie zur zweithäufigsten Ursache für mütterliche Sterblichkeit nach Blutungen macht.
Bahnbrechende Technologie hat noch nicht den Mainstream in der Diagnose von PE erreicht, da die aktuelle Diagnose seit Jahrzehnten die gleiche ist und die konventionelle systolische und diastolische Blutdruckmessung beinhaltet, obwohl diese Störung weit verbreitet ist und viele Informationen für Ärzte benötigt, um eine genaue Diagnose zu stellen. Das Team von Klinikern und Softwareentwicklern von Dawa Health glaubt, dass Standardstatistiken allein unzureichend sind, um eine breite Störung wie PE zu bestimmen, und sammelt pränatale Daten für maschinelles Lernen und erweiterte Intelligenz, um Ärzten bei der rechtzeitigen Diagnose von PE zu helfen. Ihre DawaMom-App zielt darauf ab, diese multimodalen Informationen auf den Handys ihrer werdenden Mütter als Feedback zu ihren klinischen Hausbesuchen zu bringen. Die fortgesetzte Erweiterung ihrer lokalisierten Datensätze bedeutet, dass ihr KI-gesteuertes DawaMom maßgeschneidertes Feedback produziert, das für jeden Benutzer personalisiert ist. Allerdings sieht man breitere Nuancen, die sonst ausgeschlossen sind oder in diesen Daten nicht berücksichtigt werden können.
Bei der Betrachtung repräsentativer Datensätze für die mütterliche Versorgung ziehe ich mehrere Erzählungen in Betracht, die aus den Ansätzen zur mütterlichen Versorgung hervorgehen, die nicht auf die Biomedizin beschränkt sind und sich auf traditionelle und religiöse Praktiken erstrecken. Einige Befragte, die DawaMom-Nutzer sind, berichten davon, dass sie herkömmliche Methoden zur Bewältigung von pränatalen Komplikationen anwenden, wie zum Beispiel das Trinken von Kräutermedizin, die sonst aus biomedizinischen Gründen disqualifiziert wird. Diese Verschreibungen könnten potenziell abnormale Messwerte von DawaMom und eine Reihe von Störungen erzeugen, die alle in eine Gruppe von Rohdaten der App zusammengefasst sind. Da die App einen biomedizinischen Ansatz zur Bestimmung des Wohlbefindens ihrer Nutzer verwendet, gibt es keinen Raum, andere Epistemologien der Pflege und Pluralismus in den Gemeinschaften zu berücksichtigen oder zu quantifizieren. Das bedeutet, dass die App, obwohl sie das Potenzial hat, eine bessere Versorgungsqualität zu bieten, in einen biomedizinischen Rahmen eingebettet ist und auf der Grundlage des sozioökonomischen Status an die Nutzer geliefert wird.
Die Sammlung großer Gesundheitsdaten für KI von Einzelpersonen stellt für ein kleines Medizintechnologie-Startup wie Dawa Health erhebliche logistische Herausforderungen dar. Zunächst kann der Zugang zu umfassenden und zuverlässigen Gesundheitsdaten in einem Land mit begrenzter digitaler Infrastruktur und fragmentierten Gesundheitssystemen Herausforderungen darstellen. Der Bedarf an standardisierten elektronischen Gesundheitsakten und interoperablen Systemen erschwert die Bemühungen um Datenaggregation und -integration. Darüber hinaus kann die kulturelle und sprachliche Vielfalt unter den Patienten maßgeschneiderte Ansätze zur Datenerhebung erfordern, um Inklusivität und Genauigkeit zu gewährleisten. Zusätzlich fügt die Gewährleistung von Datenschutz und Datensicherheit in Übereinstimmung mit regulatorischen Rahmenbedingungen eine weitere Komplexitätsebene hinzu, die robuste Protokolle und Infrastrukturen erfordert. Darüber hinaus könnten mehr Ressourcen und Fachwissen benötigt werden, um die Kapazitäten von Startups zur Implementierung anspruchsvoller Datenerhebungs- und Analysetechniken aufrechtzuerhalten, was kreative Partnerschaften und Kapazitätsaufbauinitiativen erfordert. Die Überwindung dieser Herausforderungen erfordert strategische Zusammenarbeit mit lokalen Interessengruppen, innovative Ansätze zur Datenerhebung und -verwaltung und ein unerschütterliches Engagement für ethische und verantwortungsvolle Datenpraktiken.