边肖发现很多朋友对人工智能未映射领域需要健康服务的信息很感兴趣，边肖整理了一些相关信息在这里与大家分享。

根据《医学信息学协会杂志》年8月14日发表的一项研究，对卫星图像的机器学习分析可以帮助识别地球上一些最偏远地区需要医疗服务的社区。

这项工作由纽约伊坎医学院阿尔德全球健康研究所的研究人员领导。

资深研究作者Prabhjot Singh，医学博士，博士和他们的同事住在利比亚东南部的一个建筑群中，该建筑群大部分被荒凉的地形覆盖。经过深入研究，它已被确定为社区一级活动的可能场所。

为了测试该算法，研究团队将其结果与人口普查员和社区卫生工作者在同一地点手动收集的信息进行了比较。

他们发现，他们的人工智能方法在检测单个建筑时，具有超过86%的正预测值和接近80%的灵敏度。

此外，该算法正确检测了451个由人口普查普查员登记的社区，并发现了另外167个甚至没有登记的社区。

团队确实注意到了一些假阳性和假阳性。

作者得出结论，卫星图像的机器学习分析是“一个有希望的解决方案，可以以更低的成本快速绘制远程社区”。“结果表明，这些方法可能会增强服务不足的偏远社区的社区卫生工作者的规模扩张。”

Singer等人在讨论中指出，将这些制图信息与社区卫生系统联系起来的能力“可以成为提供服务、卫生政策规划和宣传的有力工具，特别是对中低收入人群而言。”

他们补充说：“这种以更精细的粒度监测健康和人口指标的能力符合对全球健康采取更准确和更有针对性的方法的呼吁，这可能会促进医疗服务以更多的地方和患有疾病的人为目标。最明显的需求。”