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

怀孕是一个充满希望与脆弱的时刻，通过超声波扫描看到发育中的胎儿这一简单的动作，可以将焦虑转化为慰藉。在世界许多地方，这项技术是产前护理的常规组成部分，为母亲和孩子的健康提供了清晰的窗口。然而，在资源匮乏的地区，熟练的超声科医生和昂贵的设备仍然稀缺，这使得许多女性失去了这一关键的安全保障。人工智能——这一致力于创造能够执行通常需要人类智能之任务的计算机科学领域——已成为一个潜在的解决方案。通过训练计算机读取医学图像，研究人员希望赋能专业程度较低的医务工作者，从而提供高质量的护理。然而，一台在实验室里表现完美的机器并不一定会自动在农村诊所取得成功。技术并非存在于真空之中；它落地时会面对拥有其自身根深蒂固的信仰、社会结构和伦理关切的社区。如果一种新工具忽视了这些人类现实，无论其代码多么先进，都有被拒绝的风险。

这是肯尼亚的一个研究团队所探讨的核心挑战，他们旨在了解一种特定的人工智能——旨在辅助产科超声检查——将被其旨在服务的对象如何接受。这个被称为 AIMIX 的项目，寻求开发一个框架，使专业程度较低的提供者能够在人工智能的帮助下进行扫描，从而可能弥合母婴保健方面的差距。但在构建和测试这项技术之前，团队意识到他们首先需要了解人类的图景。他们转向了社会人类学方法——一种通过倾听人们的故事并观察他们的生活来研究人的方法——以探索支配着新医疗工具如何被接受的社会和文化规则。他们的研究成果详述于一篇近期的反思论文中，揭示了通往成功技术的道路不仅是由数据铺就的，更是由信任、清晰的沟通以及对当地背景的深度尊重所铺就的。

研究人员在两个截然不同的环境中进行了研究：内罗毕一家私立医院繁忙的城市环境，以及肯尼亚海岸拉拜（Raboli）的一个从事自给自足农业的农村社区。他们共计采访了 84 人，包括孕妇、其伴侣、医生、护士、社区领袖，甚至还有传统接生员。通过使用一种称为“扎根理论”的方法，他们并没有从一个固定的问题清单开始以证明某个特定观点。相反，他们从开放式的对话开始，让参与者引导讨论并揭示对他们真正重要的内容。这种方法让研究人员发现了他们此前未曾预料到的问题，例如对数据隐私的具体担忧，以及宗教领袖解读机器在人类生活中角色时的独特方式。

最重要的发现之一是，人工智能的概念对许多参与者来说在很大程度上是抽象且令人困惑的。在数字技术较不普及的农村地区，计算机分析婴儿图像的想法显得遥远且具有潜在的威胁性。团队了解到，仅仅用技术术语解释这项技术是无效的。相反，他们发现通过使用视觉辅助工具（例如一张展示护士使用新设备进行扫描的简单图画）使概念具体化，会取得成功。他们还发现，理解并非一次性的事件；他们必须向参与者进行核实，要求他们用自己的语言向研究人员复述研究内容。这种简单的验证实践确保了在推进之前每个人都在同一层面上，防止了可能导致整个项目脱轨的误解。

该研究还强调了谁有权谈论新技术的重要性。在以往引入医疗创新的努力中，对话往往由医生和工程师主导，而实际使用或接受护理的人却被边缘化了。肯尼亚团队特意纳入了广泛的声音，从社区卫生推广员到宗教领袖和传统接生员。他们发现，这些基层利益相关者掌握着信任的关键。例如，当一位宗教领袖表达了天主教会可能会反对这项技术的担忧时，团队并没有忽视这种忧虑。相反，他们寻求了一位神父的澄清，神父明确表示，只要这项技术维护人类尊严，教会就支持该技术。同样，当一位社区领袖怀疑传统接生员是否会接受这些新工具时，团队采访了接生员本人，发现只要这意味着能挽救生命，他们对这一想法持开放态度。这些互动表明，成功的实施需要参与整个社会生态系统，而不只是医疗系统。

关于研究是如何开展的，另一个关键教训也浮出水面。团队最初计划进行面对面的访谈，但他们很快意识到，在繁忙的城市医院，严格的面谈排除了一些虽然愿意参加但抽不出时间的参与者。他们调整了方法，允许进行远程视频访谈，以确保没有人被遗漏。这种灵活性也延伸到了他们的招募策略中。在农村地区，他们一度难以组织讨论小组，直到他们与一位值得信赖的社区卫生推广员合作，并将会议安排在常规产科门诊日。通过将他们的研究融入现有的日常生活节奏，而不是试图强加一个新的时间表，他们才得以建立真正的参与。

研究人员还强调了持续参与的价值。他们没有将社区视为一个可以被提取数据然后遗忘的来源。相反，他们通过举行会议来向参与者更新研究进展，并解释他们的意见是如何塑造 AI 模型的。这种持续的对话建立了一种信任的基础，这对于任何长期合作都是至关重要的。团队指出，虽然技术本身仍在开发中，尚未在现实世界中进行测试，但从这些对话中获得的见解已经在塑造该工具的设计方式。他们认为，如果没有这种深度的、以人为本的理解，即使是最先进的算法也可能无法在最需要它的社区中找到一席之地。

最终，这项工作提醒我们，技术不仅仅是一套工具，更是一种社会实践。论文指出，为了让人工智能真正造福低资源环境下的母婴健康，必须建立在对服务对象的深刻理解之上。研究人员发现，前进的道路不仅仅涉及更好的代码，还需要致力于倾听、适应并尊重定义人类生活的复杂文化与伦理价值观。通过将这些人类因素置于设计过程的核心，该团队为创造不仅聪明而且足够睿智以适应其希望改善的世界的技术，提供了一份蓝图。