Geographical targeting of active case finding for tuberculosis in Pakistan using artificial intelligence software: a qualitative study embedded within the SPOT TB trial

结核病仍然是世界上最顽固的杀手之一，这种疾病在拥挤的城市和偏远的村庄中同样肆虐。在像巴基斯坦这样结核病负担极高的国家，卫生工作者面临着一项艰巨的挑战：寻找数百万尚未被诊断出的感染者。为了捕捉这些隐藏的病例，项目组向社区派遣流动队设立筛查营，利用 X 光机检查人们的肺部是否有感染迹象。多年来，决定在哪里设立这些筛查营一直依赖于人类的判断、当地地图以及一线人员的经验。但随着数据量的增长，卫生官员们开始怀疑计算机是否能做得更好。他们转向了人工智能——一种能够通过分析海量信息来发现人类可能忽略的模式的技术。人们希望，一个智能计算机程序可以引导卫生工作者直接前往最有可能发现病患的社区，从而使搜索过程更快速、更有效。

这一问题驱动了一项在巴基斯坦开展的大规模实验，名为 SPOT-TB 试验。研究人员想要观察，使用名为 MATCH-AI 的人工智能工具来选择筛查营位置，是否比基于当地知识的传统方法能发现更多的结核病病例。该工具通过分析常规健康数据和当地条件来生成推荐位置列表。然而，计算机的建议能否奏效，取决于其与现实情况的契合程度。为了理解为什么试验未能显示出在发现病例方面有明显的整体提升，另一组研究人员对该项目的“人性化”层面进行了深入研究。他们采访了那些实际驾驶面包车并搭建帐篷的医生、主管和协调员，询问他们与这项新技术的日常接触体验。他们的目标不仅是看软件在屏幕上是否运作良好，更是要了解它如何在巴基斯坦复杂的、混乱的医疗卫生系统中发挥作用。

研究人员发现，人工智能工具是一把双刃剑。一方面，许多一线工作人员非常欣赏这款软件，因为它为他们的工作带来了一种公平感和结构感。在有了这个工具之前，筛查营的选择可能会受到个人关系、来自地方领导的政治压力，或者仅仅是回到熟悉地点工作的习惯所影响。该软件消除了这种人为偏见，完全基于数据生成地点列表。这有助于工作人员抵制那些试图出于自身目的而在特定区域设立筛查营的官员压力。在某些情况下，该工具将团队引向了偏远或此前被忽视的村庄，并在那里发现了结核病病例集群，而这些病例原本可能无法被察觉。例如，有一支队伍根据一项建议前往费萨拉巴德（Faisalabad）的一个偏远住户，结果发现那里有五个人同时感染，他们将这一发现归功于软件能够超越常规边界的能力。

然而，该工具的成功故事因地理环境的严酷和技术本身的局限性而变得复杂。该软件虽然擅长处理数字，但缺乏生活在社区中的常识。它有时会建议一些在物理上无法到达的位置，例如被积雪覆盖的山峰或被河流阻断的区域，却意识不到移动医疗车根本无法驶入。在其他情况下，它指向的地方可能存在安全风险，或者由于文化习俗导致女性无法远行或参加公共筛查营。例如，在保守地区，女性可能会拒绝离开家园前往五公里外的繁忙市场参加筛查，尤其是如果筛查区域缺乏隐私。软件并不理解这些社会障碍；它只看到了地图上的一个点。了解地形和当地情况的一线工作人员往往不得不推翻计算机的建议，利用自己的判断力去寻找那些既易于到达又被社区接受的地点。

数字计划与物理世界之间的差距，因运行该系统所需的配套基础设施而进一步扩大。该软件依赖数字平台进行实时数据采集，但在许多偏远地区，互联网连接不稳定或根本不存在。当信号中断时，系统就会冻结，或者在现场输入的数据无法同步到中央服务器。这迫使卫生工作者回归传统的纸质记录，随后在返回城市后必须再将数据录入电脑。这种重复劳动造成了挫败感和疲劳，减缓了这项本应加速流程的技术。此外，前线人员往往并不完全理解软件是如何做出决策的。他们被告知要遵循位置列表，但很少得到关于其背后逻辑的清晰解释。这种理解上的缺失使得他们难以信任该工具或产生对新系统的归属感，导致一些人宁愿依赖自己的经验而忽略软件的建议。

研究结论指出，尽管人工智能在组织和改进结核病筛查方面具有真正的潜力，但它无法取代在实地工作的专业人员所拥有的深厚且具情境性的知识。这项技术是一个强大的助手，可以减少偏见并突出那些可能被忽视的区域，但它不能替代人类的判断。它无法考虑到一个社区的安全状况、文化敏感性或一条土路的状况。为了让该工具有效运作，必须辅以可靠的基础设施支持（如稳定的互联网连接），并且必须通过彻底的培训进行引入，帮助员工不仅理解“做什么”，还要理解“为什么”。研究人员发现，最成功的方法是一种混合模式：由计算机提供起点，再由人类团队利用其本土专业知识将这些建议调整并应用到现实世界中。归根结底，技术的力量取决于支撑它的系统以及使用它的人。