Di kawasan perang, bencana atau kelaparan, amal sering melaporkan bilangan kanak-kanak yang menderita kekurangan zat makanan dari segi peratusan-satu dalam 10, satu dalam lima, satu dalam tiga. Tetapi adakah anda tertanya-tanya bagaimana kadar ini dikira?
Mengenal pasti siapa dan berapa ramai orang yang kurang sihat menanam kemahiran profesional yang adil. Malangnya, kawasan yang mengalami bencana kemanusiaan kerap kekurangan pekerja dengan latihan seperti ini.
Sekarang, sebuah syarikat yang berpangkalan di Kenya telah membangunkan AI yang mungkin dapat menilai status pemakanan kanak-kanak menerusi foto mudah. Mereka berharap teknologi itu, yang dipanggil MERON (Kaedah untuk Pengamatan Status Pemakanan yang Tepat), dapat membantu mengumpul data penting di kawasan di mana pekerja terlatih tidak ada atau tidak praktikal.
"Kami bekerja di kawasan yang sangat tidak selamat di mana kami menyediakan perkhidmatan pemantauan jarak jauh, " kata Ben Watkins, Ketua Pegawai Eksekutif Kimetrica, sebuah syarikat yang misinya membantu pemerintah dan bukan keuntungan meningkatkan keberkesanan kesan wang bantuan. "Oleh itu, kita memantau keselamatan makanan dan keadaan pemakanan di kawasan yang agensi tidak semestinya mempunyai akses yang sangat boleh dipercayai."
MERON telah dilatih dalam pangkalan data foto untuk dapat mengenali ciri-ciri wajah, seperti bulat pipi, yang sesuai dengan kekurangan zat makanan. Semua yang diperlukan adalah gambar muka dan ia dapat dengan serta merta mengkategorikan imej sebagai normal, sederhana kurang gizi atau teruk malnutrisi. Percubaan awal mencadangkan AI mempunyai kadar ketepatan 78 peratus dalam mengesan individu berat badan biasa; Kimetrica kini sedang menjalani ujian dengan gambar kanak-kanak yang kurang gizi.
Idea untuk MERON datang dari anak perempuan Watkins. Watkins dan pasukannya telah membincangkan idea untuk cara mudah dan kurang invasif untuk menilai malnutrisi kanak-kanak. Anak perempuannya berkata, "Mengapa kamu tidak mengambil gambar wajah orang? Anda boleh tahu bagaimana orang yang berat dengan melihat wajah mereka. "
Ia adalah idea yang baik, pikir Watkins. Lagipun, ciri-ciri muka adalah salah satu faktor penilai manusia terlatih yang digunakan dalam menilai malnutrisi secara visual. Nama anak perempuannya? Meron. Nama AI sebenarnya adalah backronym untuk pencetusnya.
Pada masa ini terdapat beberapa cara menilai malnutrisi yang teruk pada kanak-kanak. Seorang pemerhati terlatih boleh membuat penilaian visual berdasarkan faktor-faktor seperti membuang otot. Penilai boleh mengukur lilitan lengan atas kanak-kanak - pemotongan untuk "kekurangan gizi akut yang teruk" adalah 11 sentimeter bagi kanak-kanak di bawah umur lima tahun. Atau nisbah ketinggian berat badan boleh digunakan.
Mengukur sejauh mana kekurangan zat makanan adalah penting untuk mendapatkan wang bantuan dan untuk menentukan kanak-kanak yang memerlukan rawatan perubatan kecemasan dan makanan terapeutik - selalunya padat tenaga yang diperkaya dengan mikronutrien.
Tetapi Kimetrica sering bekerja dengan kawasan yang sangat tidak menentu, sangat terpencil. Walaupun penilai terlatih boleh didapati, kerja sering berbahaya kepada kedua-dua mereka dan keluarga mereka menilai. Pihak berkuasa tempatan di wilayah yang dilanda perang mungkin tidak menghargai agensi-agensi antarabangsa yang meningkatkan kesedaran tentang kekacauan dalaman mereka. Menubuhkan sebuah khemah untuk mengambil lengan atau ketinggian dan pengukuran berat boleh menarik perhatian yang tidak diingini.
"Terdapat keperluan untuk teknologi bijak di mana ia boleh digunakan tanpa meningkatkan kesedaran atau terlalu jelas di lapangan, " kata Watkins. "Idea menggunakan telefon pintar menarik dalam hal itu, kerana anda dapat dengan cepat mengambil snap."
Andrew Jones, pakar pemakanan kesihatan awam di University of Michigan, bersetuju bahawa kaedah semasa menilai kekurangan zat makanan boleh menyerang dalam konteks tertentu. Mengukur lilitan lengan mungkin melibatkan membuang pakaian, yang boleh menjadi pantang larang dalam sesetengah budaya. Dan pengukuran ketinggian memerlukan latihan dan kerjasama anak.
"Ia agak traumatik untuk beberapa kanak-kanak kecil untuk mempunyai orang asing datang dan mengambil ketinggian mereka, " kata Jones.
Jones mengatakan dia dapat melihat peranan teknologi seperti MERON dalam kecemasan kemanusiaan.
"Dalam konteks ini, saya pasti dapat melihat keperluan untuk menyaring banyak kanak-kanak dalam masa yang singkat dengan batasan kakitangan terlatih, " katanya.
Jones menyatakan bahawa malnutrisi akut yang teruk - jenis yang membentangkan dirinya dengan anggota yang terbuang dan perut bengkak - sebenarnya kurang biasa daripada bentuk kekurangan zat makanan yang lain. Lebih biasa adalah "pendarahan" - pertumbuhan dan pembangunan yang terjejas yang boleh datang dari diet yang buruk. Kanak-kanak terbantut tidak semestinya kurus - sesetengahnya kelihatan cukup berisi - tetapi mereka mungkin mengalami masalah kognitif dan kesihatan yang tidak baik.
"Terdapat banyak lagi kanak-kanak yang terbantut di dunia daripada kanak-kanak yang mengalami kekurangan gizi yang teruk, " kata Jones. Menurut data dari WHO dan UNICEF, kira-kira 155 juta kanak-kanak di seluruh dunia terbantut, sementara sekitar 16 juta menderita malnutrisi akut yang teruk.
Kimetrica telah menjalani ujian medan MERON, dan mempunyai beberapa kinks untuk bersenam sebelum program mungkin dibongkar. Pertama, gambar yang digunakan mesti memaparkan kanak-kanak menghadap ke depan, dengan cahaya yang baik. Ini memerlukan beberapa latihan di pihak jurugambar, sama ada ibu bapa atau pekerja tempatan. Kedua, MERON mesti diuji pada kanak-kanak kebangsaan dan etnik yang berbeza, untuk memastikan ia sama-sama tepat untuk semua orang. Pasukan kemudiannya perlu membuat aplikasi lancar yang memberi maklum balas segera.
Watkins berharap MERON mungkin mempunyai aplikasi di luar malnutrisi akut yang teruk, seperti mendiagnosis penyakit seperti kwashiorkor, sejenis malnutrisi protein yang menyebabkan bengkak, atau bahkan menilai kadar obesiti.
