Trường hợp tương tự
AI Field Notes
← Trường hợp
Ấn ĐộY tế và khoa học sự sống2022 – đang tiếp diễn

ARMMAN

Học máy để quyết định ai được nhân viên y tế gọi trực tiếp trong chương trình mMitra

Mô hình của Google Research giảm khoảng 30% số người bỏ nghe trong thử nghiệm thực địa với 23.000 phụ nữ thuộc một chương trình chăm sóc sức khỏe bà mẹ ở Ấn Độ

Đã có kết quảNghiên cứu độc lậpNhà cung cấp ↗

Vấn đề

Chương trình mMitra của ARMMAN gửi tin nhắn thoại tự động cho phụ nữ mang thai và các bà mẹ mới sinh, nhưng nhiều người ngừng nghe. Tổ chức phi lợi nhuận có ít nhân viên y tế, nên chỉ một số ít phụ nữ nhận được cuộc gọi trực tiếp.

Cách tiếp cận

Google Research và ARMMAN xây dựng một mô hình chọn những phụ nữ nên nhận số cuộc gọi hạn chế, dùng phương pháp restless multi-armed bandit. Với những người mới đăng ký chưa có lịch sử nghe, mô hình nhóm phụ nữ theo các mẫu nghe trước đây và ánh xạ đặc điểm nhân khẩu học vào các nhóm đó. Khoảng 23.000 phụ nữ được chia thành 3 nhóm: chăm sóc tiêu chuẩn, gọi luân phiên và gọi theo mô hình chọn. Nghiên cứu kéo dài 7 tuần.

Số liệu chính

23,003người tham gia nghiên cứu thực địa kéo dài 7 tuầnNghiên cứu độc lập[1]
~30%mức giảm số người ngừng tương tác ở nhóm do mô hình chọn so với các nhóm đối chứngNghiên cứu độc lập[1]
32%mức giảm tích lũy số người ngừng tương tác so với chăm sóc tiêu chuẩn sau 7 tuần (p = 0,044), theo Google ResearchNghiên cứu trường hợp của nhà cung cấp[2]

Bài học

Mô hình phân bổ số cuộc gọi hạn chế của nhân viên và giảm khoảng 30% tình trạng ngừng tương tác với các tin nhắn sức khỏe. Kết quả chỉ thuộc về 1 nghiên cứu kéo dài 7 tuần.

Phân loại

Chức năng kinh doanh
Sản xuất và chất lượng
Loại hình đổi mới
Đổi mới quy trình
Căn cứ
Nghiên cứu độc lập

Nguồn

  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 thg 6, 2022Bài nghiên cứu hoặc báo cáo
  2. Using ML to Boost Engagement with a Maternal and Child Health Program in India
    Google Research24 thg 8, 2022Tài liệu của nhà cung cấp

Tóm tắt nguồn

[1]Proceedings of the AAAI Conference on Artificial Intelligence28 thg 6, 2022

Các nhà nghiên cứu của Google Research, Harvard, ARMMAN và Đại học Quản lý Singapore mô tả một hệ thống dựa trên bandit để phân bổ số cuộc gọi dịch vụ hạn chế. Trong nghiên cứu 7 tuần với 23.003 người tham gia, nhóm dùng mô hình cải thiện có ý nghĩa thống kê so với các nhóm đối chứng, giảm khoảng 30% số người ngừng tương tác. Các nhà nghiên cứu mô tả đây là lần trình diễn thực địa đầu tiên của phương pháp này trong y tế công cộng.

[2]Google Research24 thg 8, 2022

Google Research giải thích mMitra gửi tin nhắn thoại chăm sóc dự phòng từ thai kỳ đến sinh nhật đầu tiên của trẻ và mô tả thiết kế 3 nhóm. Tổ chức này cho biết số người ngừng tương tác tích lũy giảm 32% so với chăm sóc tiêu chuẩn sau 7 tuần, trong khi gọi luân phiên chỉ giảm 5,2%, mức không có ý nghĩa thống kê. Nghiên cứu chỉ đo kết quả ngắn hạn với năng lực gọi hạn chế.

Thông tin đầy đủ có trong tài liệu gốc.

Ngày đăng 25 thg 10, 2026 · Ngày cập nhật 25 thg 10, 2026
Mở trang trường hợp ↗