The current roles of Artificial Intelligence in public health: A scoping review
Diese Scoping Review über die Praktiken der öffentlichen Gesundheit in Hocheinkommensländern von 2020 bis 2025 offenbart einen erheblichen Mangel an Evidenz hinsichtlich der realen Implementierung und der gemischten Wirksamkeit von KI-Tools, was die dringende Notwendigkeit einer rigorosen Evaluierung und der Verbreitung von Ergebnissen unterstreicht, um die zukünftige Anwendung zu leiten.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich die Welt der öffentlichen Gesundheit wie eine riesige, geschäftige Bibliothek vor. Die Bibliothekare (Fachkräfte des öffentlichen Gesundheitswesens) versuchen, die Gemeinschaft gesund zu halten, sind aber oft unterbesetzt, arbeiten mit einem knappen Budget und ertrinken in Papierkram. Hier kommt die Künstliche Intelligenz (KI) ins Spiel, ein neuer, superschneller Roboter-Assistent, der verspricht, die schwere Arbeit zu erledigen, die Regale zu ordnen und sogar mit den Besuchern zu chatten.
Dieses Papier ist ein „Scoping Review“, was im Grunde eine riesige Schatzsuche ist. Die Autoren wollten herausfinden: „Wie werden diese Roboter-Assistenten derzeit tatsächlich in der Bibliothek eingesetzt?“ Sie fragten nicht nur, was die Roboter tun könnten; sie suchten nach Beweisen dafür, was sie tatsächlich auf dem Job leisten.
Hier ist das, was sie fanden, einfach aufgeschlüsselt:
Die Ergebnisse der Schatzsuche
Das Team durchsuchte vier riesige digitale Bibliotheken (Datenbanken) nach Geschichten über den Einsatz von KI im öffentlichen Gesundheitswesen zwischen 2020 und 2025. Sie siebten 5.400 potenzielle Hinweise aus und lasen 155 vollständige Geschichten, aber am Ende fanden sie nur 8 Berichte, die zeigten, dass KI tatsächlich in realen Settings des öffentlichen Gesundheitswesens eingesetzt wurde.
Es ist, als würde man nach einer ganz bestimmten, seltenen Vogelart in einem Wald von der Größe eines Kontinents suchen, aber nur acht Sichtungen finden. Die Autoren stellten fest, dass zwar alle über KI sprechen, es aber sehr wenig schriftliche Beweise dafür gibt, dass sie tatsächlich in den täglichen Aufgaben des öffentlichen Gesundheitswesens funktioniert.
Die acht Geschichten, die sie fanden
Die acht Berichte, die sie fanden, waren wie acht verschiedene Werkzeuge in einem Werkzeugkasten, die jeweils für eine bestimmte Aufgabe genutzt wurden:
- Der hilfreiche Wegweiser (Der WIC-Chatbot): In den USA half ein Chatbot namens „Maya“ Müttern dabei, lokale Ernährungsprogramme zu finden und verlorene Karten zu melden. Die Menschen mochten ihn, weil er schneller war als ein Anruf bei einer Hotline. Urteil: Hilfreich.
- Der verwirrte Bibliothekar (Der WHO-Chatbot): Die Weltgesundheitsorganisation versuchte es mit einem Chatbot namens „S.A.R.A.H“, um gegen Fake News vorzugehen. Leider gab er oft schlechte Antworten, ignorierte die Anliegen der Nutzer oder klang roboterhaft. Er war so ineffektiv, dass die WHO ihn schließlich abschaltete. Urteil: Eine potenzielle Gefahr für das Vertrauen.
- Der schnelle Sortierer (Evidenz-Review-Software): In Kanada half ein Tool namens „DAISY“ Forschern dabei, tausende wissenschaftliche Arbeiten zu sortieren, um diejenigen über COVID-19 zu finden. Es war unglaublich genau und fand Arbeiten, die Menschen übersehen hatten. Urteil: Sehr nützlich zum Sortieren.
- Der freundliche Anrufer (CareCall): In Südkorea tätigte eine KI namens „CareCall“ Telefonanrufe bei einsamen älteren Menschen, um zu prüfen, ob es ihnen gut geht. Es funktionierte gut, um mehr Menschen zu erreichen, schuf aber ein neues Problem: Wenn die KI niemanden erreichen konnte, mussten menschliche Mitarbeiter sie trotzdem anrufen, was die Arbeitsbelastung erhönte. Urteil: Ein gemischtes Bild aus guter Reichweite und Mehrarbeit.
- Der Wettervorhersager (Maschinelles Lernen): Im Vereinigten Königreich wurde KI eingesetzt, um vorherzusagen, wann Krankenhäuser mit kranken Kindern (speziell mit Husten und Bronchitis) überflutet werden würden. Es war ziemlich gut darin, die „Spitzenzeiten“ vorherzusagen, was den Krankenhäusern half, sich vorzubereiten. Urteil: Nützlich für die Planung.
- Der Symptom-Checker (COVID-Chatbot): In Kanada half ein Chatbot namens „Chloe“ Menschen dabei, zu prüfen, ob sie COVID-Symptome haben. Er war passabel darin, Fragen zu beantworten, ist aber nicht mehr aktiv. Urteil: Gemischte Genauigkeit, nun im Ruhestand.
- Der Duplikate-Finder (Review-Tools): Im Vereinigten Königreich halfen KI-Tools Forschern dabei, doppelte Dateien bei der Durchsicht von Evidenzen zu entfernen. Es sparte viel Zeit, auch wenn es einige Duplikate übersah. Urteil: Zeitsparer.
- Der Bild-Detektiv (Mpox-App): In Singapur untersuchte eine App Fotos von Hautausschlägen, um zu sehen, ob es sich um Mpox handelte. Sie war ziemlich genau darin, den Ausschlag zu erkennen. Urteil: Effektiv bei der Bilderkennung.
Die wichtigste Erkenntnis: „Die Lücke zwischen Hype und Realität“
Die Hauptlektion aus diesem Papier ist, dass wir noch nicht genug Beweise haben.
Man kann sich KI im öffentlichen Gesundheitswesen wie einen neuen, teuren Motor für ein Auto vorstellen. Alle reden darüber, wie schnell er fahren könnte. Aber dieser Review fand heraus, dass nur sehr wenige Leute das Auto tatsächlich auf einer echten Straße gefahren und die Kilometerleistung aufgeschrieben haben.
- Das Gute: Einige Tools (wie die zum Sortieren von Papieren oder zur Vorhersage von Krankenhausüberfüllungen) scheinen gut zu funktionieren.
- Das Schlechte: Einige Tools (wie der WHO-Chatbot) versagten so schlecht, dass sie tatsächlich das Vertrauen in die Organisation untergruben.
- Das Hässliche: Manchmal erzeugt der Einsatz von KI neue Probleme, wie zum Beispiel, dass die Arbeit von Menschen schwieriger wird, weil sie die Fehler der KI korrigieren müssen.
Warum ist das ein Problem?
Die Autoren weisen darauf hin, dass die meisten dieser Berichte von großen, gut finanzierten Organisationen stammen (wie der WHO oder nationalen Gesundheitsbehörden). Kleinere, lokale Gesundheitsteams – die die Hilfe vielleicht am dringendsten benötigen – nutzen KI zwar vielleicht auch, schreiben aber nicht darüber.
Da es so wenige Belege gibt, ist es für ein Team des öffentlichen Gesundheitswesens schwer zu wissen: „Soll ich dieses KI-Tool kaufen? Wird es uns Geld sparen? Wird es tatsächlich Menschen helfen?“
Das Fazit
Das Papier endet mit einem einfachen Rat: Kaufen Sie nicht einfach den glänzenden neuen Roboter, nur weil er gerade im Trend liegt.
Wenn ein Team des öffentlichen Gesundheitswesens KI nutzen möchte, muss es diese zuerst testen, um sicherzustellen, dass sie tatsächlich funktioniert und keinen Schaden anrichtet. Und wenn sie testen, sollten sie ihre Ergebnisse mit allen anderen teilen, damit wir endlich ein echtes „Bedienungshandbuch“ für den Einsatz von KI im öffentlichen Gesundheitswesen erstellen können. Bis dahin fliegen wir größtenteils im Blindflug.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.