← Fallbeispiele
IndienGesundheit und Life Sciences2022 – laufend

ARMMAN

Maschinelles Lernen zur Auswahl der Frauen, die im Programm mMitra persönliche Telefonanrufe von Gesundheitshelfern erhalten

Ein Modell von Google Research verringerte in einem Feldversuch mit 23.000 Frauen in einem indischen Programm zur Gesundheit von Müttern Rückgänge bei der Nutzung der Sprachnachrichten um rund 30 %.

ErfolgreichUnabhängige StudieAnbieter ↗

Ausgangslage

Das Programm mMitra von ARMMAN sendet schwangeren Frauen und jungen Müttern automatisierte Sprachnachrichten, doch viele hören irgendwann nicht mehr zu. Die gemeinnützige Organisation hat wenige Gesundheitshelfer, sodass nur wenige Frauen einen persönlichen Anruf erhalten können.

Vorgehen

Google Research und ARMMAN entwickelten ein Modell, das nach einem Restless-Multi-Armed-Bandit-Verfahren auswählt, welche Frauen die begrenzten Anrufe erhalten. Bei Neuregistrierten ohne Hörverlauf gruppiert es Frauen nach früheren Hörmustern und ordnet demografische Merkmale diesen Gruppen zu. Rund 23.000 Frauen wurden in 3 Gruppen aufgeteilt: Standardbetreuung, Anrufe nach dem Rotationsprinzip und vom Modell ausgewählte Anrufe. Die Studie lief 7 Wochen.

Kennzahlen

23,003Teilnehmerinnen der 7-wöchigen FeldstudieUnabhängige Studie[1]
~30%Verringerung der Nutzungsrückgänge in der vom Modell ausgewählten Gruppe gegenüber den VergleichsgruppenUnabhängige Studie[1]
32%Verringerung der kumulierten Nutzungsrückgänge gegenüber der Standardbetreuung nach 7 Wochen (p = 0,044), laut Google ResearchFallstudie des Anbieters[2]

Erkenntnis

Das Modell verteilte die begrenzten Anrufe der Mitarbeiter und verringerte Rückgänge bei der Nutzung der Gesundheitsnachrichten um rund 30 %. Die Ergebnisse stammen aus einer einzigen 7-wöchigen Studie.

Kategorien

Unternehmensfunktion
Produktion und Qualität
Innovationsart
Prozessinnovation
Nachweis
Unabhängige Studie

Quellen

  1. Field Study in Deploying Restless Multi-Armed Bandits: Assisting Non-profits in Improving Maternal and Child Health
    Proceedings of the AAAI Conference on Artificial Intelligence28. Juni 2022Forschungsarbeit oder Bericht

Quellenzusammenfassungen

[1]Proceedings of the AAAI Conference on Artificial Intelligence28. Juni 2022

Forscher von Google Research, Harvard, ARMMAN und der Singapore Management University beschreiben ein Bandit-basiertes System zur Verteilung begrenzter Servicetelefonate. In einer 7-wöchigen Studie mit 23.003 Teilnehmerinnen zeigte die Modellgruppe gegenüber den Vergleichsgruppen eine statistisch signifikante Verbesserung und verringerte die Nutzungsrückgänge um rund 30 %. Die Forscher bezeichnen dies als die erste Felddemonstration dieses Verfahrens im Bereich Public Health.

[2]Google Research24. Aug. 2022

Google Research erläutert, dass mMitra von der Schwangerschaft bis zum 1. Geburtstag des Kindes Sprachnachrichten zur Vorsorge verschickt, und beschreibt das Design mit 3 Gruppen. Nach 7 Wochen waren die kumulierten Nutzungsrückgänge gegenüber der Standardbetreuung um 32 % geringer, während Anrufe nach dem Rotationsprinzip sie um 5,2 % verringerten, was nicht signifikant war. Die Studie erfasste nur kurzfristige Ergebnisse bei begrenzter Anrufkapazität.

Ausführliche Angaben finden Sie in den Originalquellen.

Hinzugefügt 25. Okt. 2026 · Aktualisiert 25. Okt. 2026
Fallseite öffnen ↗