Applying socio-anthropological approaches to explore the socio-cultural and ethical requirements for AI-assisted obstetric ultrasound in Kenya: reflections and lessons learned

Schwangerschaft ist eine Zeit tiefer Hoffnung und Verletzlichkeit, in der der einfache Akt, ein sich entwickelndes Baby durch einen Ultraschallscan zu sehen, Angst in Beruhigung verwandeln kann. In vielen Teilen der Welt ist diese Technologie ein routinemäßiger Bestandteil der Schwangerschaftsvorsorge und bietet ein klares Fenster in die Gesundheit von Mutter und Kind. In ressourcenarmen Gebieten jedoch bleibt der Zugang zu qualifizierten Sonografen und teuren Geräten knapp, was viele Frauen ohne dieses kritische Sicherheitsnetz zurücklässt. Künstliche Intelligenz, das Teilgebiet der Informatik, das sich mit der Erstellung von Systemen befasst, die Aufgaben ausführen können, die normalerweise menschliche Intelligenz erfordern, hat sich als potenzielle Lösung herauskristallisiert. Indem Forscher Computer darauf trainieren, medizinische Bilder zu lesen, hoffen sie, weniger spezialisierte Gesundheitshelfer in die Lage zu versetzen, eine qualitativ hochwertige Versorgung zu leisten. Doch eine Maschine, die in einem Labor perfekt funktioniert, ist nicht automatisch auch in einer ländlichen Klinik erfolgreich. Technologie existiert nicht in einem Vakuum; sie landet in Gemeinschaften mit ihren eigenen tief verwurzelten Überzeugungen, sozialen Strukturen und ethischen Bedenken. Wenn ein neues Werkzeug diese menschlichen Realitäten ignoriert, läuft es Gefahr, abgelehnt zu werden, egal wie fortschrittlich sein Code auch sein mag.

Dies ist die zentrale Herausforderung, mit der sich ein Forscherteam in Kenia auseinandersetzt, das untersuchen wollte, wie eine spezifische Art der künstlichen Intelligenz – entwickelt zur Unterstützung der Geburtshilfe – von den Menschen aufgenommen würde, denen sie helfen soll. Das Projekt mit dem Namen AIMIX zielt darauf ab, einen Rahmen zu schaffen, der es weniger spezialisierten Anbietern ermöglicht, Scans mit Hilfe von KI durchzuführen, um potenziell die Lücke in der Müttergesundheitsversorgung zu schließen. Doch bevor die Technologie gebaut und getestet werden konnte, erkannte das Team, dass sie zuerst die menschliche Landschaft verstehen mussten. Sie wandten sich sozio-anthropologischen Methoden zu – einer Methode, Menschen zu studieren, indem man ihren Geschichten zuhört und ihr Leben beobachtet –, um die sozialen und kulturellen Regeln zu erforschen, die bestimmen, wie neue medizinische Werkzeuge akzeptiert werden. Ihre Arbeit, die in einem kürzlich erschienenen Reflexionspapier detailliert beschrieben wird, zeigt, dass der Weg zu erfolgreicher Technologie nicht nur mit Daten, sondern auch mit Vertrauen, klarer Kommunikation und einem tiefen Respekt für den lokalen Kontext gepflastert ist.

Die Forscher führten ihre Studie in zwei sehr unterschiedlichen Umgebungen durch: dem geschäftigen, urbanen Umfeld eines Privatkrankenhauses in Nairobi und der ländlichen, subsistenzwirtschaftlich geprägten Gemeinschaft von Rabai an der kenianischen Küste. Sie sprachen insgesamt mit vierundachtzig Personen, darunter schwangere Frauen, deren Partner, Ärzte, Krankenschwestern, Gemeindeführer und sogar traditionelle Geburtshelferinnen. Mit einer Methode namens Grounded Theory begannen sie nicht mit einer festen Liste von Fragen, um einen bestimmten Punkt zu beweisen. Stattdessen begannen sie mit offenen Gesprächen und ließen die Teilnehmer die Diskussion leiten und offenbaren, was ihnen wirklich wichtig war. Dieser Ansatz ermöglichte es den Forschern, Probleme zu entdecken, die sie nicht vorhergesehen hatten, wie etwa spezifische Ängste bezüglich des Datenschutzes oder die einzigartigen Arten, wie religiöse Führer die Rolle von Maschinen im menschlichen Leben interpretierten.

Eine der bedeutendsten Erkenntnisse war, dass das Konzept der künstlichen Intelligenz für viele Teilnehmer weitgehend abstrakt und verwirrend war. In den ländlichen Gebieten, in denen digitale Technologie weniger verbreitet ist, fühlte sich die Vorstellung, dass ein Computer ein Bild eines Babys analysiert, fern und potenziell bedrohlich an. Das Team lernte, dass eine bloße Erklärung der Technologie mit technischen Begriffen ineffektiv war. Stattdessen stellten sie Erfolg durch den Einsatz visueller Hilfsmittel fest, wie etwa einer einfachen Zeichnung, die zeigt, wie eine Krankenschwester eine Untersuchung mit einem neuen Gerät durchführt, um das Konzept konkret zu machen. Sie entdeckten auch, dass Verständnis kein einmaliges Ereignis war; sie mussten regelmäßig bei den Teilnehmern nachhaken und sie bitten, die Studie in ihren eigenen Worten an die Forscher zurückzuers erklären. Diese einfache Praxis der Verifizierung stellte sicher, dass alle auf demselben Stand waren, bevor man fortfuhr, und verhinderte Missverständnisse, die das gesamte Projekt hätten gefährden können.

Die Studie hob auch die entscheidende Bedeutung der Frage hervor, wer über neue Technologie spricht darf. In vielen früheren Bemühungen, medizinische Innovationen einzuführen, wurde das Gespräch von Ärzten und Ingenieuren dominiert, während die Menschen, die die Pflege tatsächlich nutzen oder erhalten würden, an den Rand gedrängt wurden. Das kenianische Team bezog bewusst eine breite Palette von Stimmen ein, von kommunalen Gesundheitsförderern bis hin zu religiösen Führern und traditionellen Geburtshelferinnen. Sie fanden heraus, dass diese Akteure an der Basis die Schlüssel zum Vertrauen hielten. Als beispielsweise ein religiöser Führer die Sorge äußerte, dass die katholische Kirche der Technologie gegenüber negativ eingestellt sein könnte, wies das Team diese Sorge nicht einfach ab. Stattdessen suchten sie einen Priester auf, der klarstellte, dass die Kirche die Technologie unterstütze, solange sie die menschliche Würde wahre. Ähnlich verhielt es sich, als eine Gemeindeführerin bezweifelte, ob traditionelle Geburtshelferinnen die neuen Werkzeuge akzeptieren würden; das Team interviewte die Geburtshelferinnen selbst und fand heraus, dass sie der Idee gegenüber offen waren, wenn dies dazu beitrug, Leben zu retten. Diese Interaktionen zeigten, dass eine erfolgreiche Implementierung die Einbindung des gesamten sozialen Ökosystems erfordert, nicht nur des medizinischen Systems.

Eine weitere entscheidende Lektion ergab sich daraus, wie die Forschung durchgeführt wurde. Das Team hatte ursprünglich geplant, alle persönlich zu interviewen, stellte jedoch schnell fest, dass im geschäftigen städtischen Krankenhaus strenge persönliche Treffen einige bereitwillige Teilnehmer ausschlossen, die nicht die Zeit dafür aufbringen konnten. Sie passten ihren Ansatz an und ermöglichten virtuelle Interviews, um sicherzustellen, dass niemand ausgeschlossen wurde. Diese Flexibilität erstreckte sich auch auf ihre Rekrutierungsstrategien. In der ländlichen Gegend hatten sie Schwierigkeiten, Gruppen für Diskussionen zusammenzubringen, bis sie mit einem vertrauenswürdigen kommunalen Gesundheitsförderer zusammenarbeiteten und das Treffen mit einem routinemäßigen Geburtshilfeklinik-Tag koordinierten. Indem sie ihre Forschung in die bestehenden Rhythmen des täglichen Lebens einwebten, statt zu versuchen, einen neuen Zeitplan aufzuerlegen, konnten sie echte Beteiligung erreichen.

Die Forscher betonten auch den Wert kontinuierlichen Engagements. Sie betrachteten die Gemeinschaft nicht als eine Quelle von Daten, die extrahiert und dann vergessen wird. Stattdessen hielten sie Treffen ab, um die Teilnehmer über den Fortschritt der Studie zu informieren und zu erklären, wie ihre Beiträge die Entwicklung des KI-Modells beeinflussen. Dieser fortlaufende Dialog baute ein Fundament des Vertrauens auf, das für jede langfristige Partnerschaft unerlässlich ist. Das Team stellte fest, dass die Technologie selbst noch in der Entwicklung ist und noch nicht in der realen Welt getestet wurde, die Erkenntnisse aus diesen Gesprächen aber bereits die Gestaltung des Werkzeugs beeinflussen. Sie argumentieren, dass ohne dieses tiefe, menschenzentrierte Verständnis selbst der ausgeklügeltste Algorithmus daran scheitern könnte, einen Platz in den Gemeinschaften zu finden, die ihn am dringendsten benötigen.

Letztendlich dient diese Arbeit als Erinnerung daran, dass Technologie nicht nur ein Satz von Werkzeugen, sondern eine soziale Praxis ist. Das Papier legt nahe, dass künstliche Intelligenz, um der Müttergesundheit in ressourcenarmen Gebieten wirklich zugute zu kommen, mit einem tiefen Verständnis für die Menschen gebaut werden muss, denen sie dient. Die Forscher fanden heraus, dass der Weg nach vorn mehr als nur besserer Code erfordert; er erfordert die Verpflichtung zum Zuhören, zum Anpassen und zum Respekt vor dem komplexen Geflecht aus kulturellen und ethischen Werten, die das menschliche Leben definieren. Indem sie diese menschlichen Faktoren in das Zentrum des Designprozesses stellen, bietet das Team einen Entwurf für die Schaffung von Technologie, die nicht nur intelligent, sondern auch weise genug ist, um in die Welt zu passen, die sie verbessern möchte.