印度医疗健康与生命科学2022 – 进行中ARMMAN
mMitra项目中利用机器学习决定谁能获得医护人员的人工电话服务
谷歌研究院的模型在一项涉及2.3万名妇女的印度孕产妇健康项目实地试验中，使参与度下降减少约30%
问题
ARMMAN的mMitra项目向孕妇和新手妈妈发送自动语音信息，但许多人不再收听。这家非营利机构的医护人员很少，只有少数妇女能接到真人电话。
方法
谷歌研究院与ARMMAN开发了一个模型，使用restless multi-armed bandit方法，决定将有限的人工电话服务提供给哪些妇女。对没有收听历史的新注册者，模型根据过往收听模式对妇女分组，并将人口统计特征映射到这些分组。约2.3万名妇女被分为3组：标准服务、轮流拨打和模型选定拨打。研究持续了7周。
主要数据
23,003七周实地研究的参与人数
~30%模型选定组与对照组相比，参与度下降的减少幅度
32%七周后累计参与度下降较标准服务的减少幅度（p = 0.044），谷歌研究院数据
启示
该模型分配有限的员工外呼资源，使健康信息收听参与度下降的情况减少约30%。结果只来自一项为期7周的研究。
分类
来源
来源摘要
[1]Proceedings of the AAAI Conference on Artificial Intelligence2022年6月28日
来自谷歌研究院、哈佛大学、ARMMAN和新加坡管理大学的研究人员介绍了一个基于多臂老虎机方法的系统，用于分配有限的人工外呼服务。在一项有23,003名参与者、为期7周的研究中，模型组相比对照组出现了统计上显著的改善，参与度下降的情况减少约30%。研究人员称，这是该方法在公共卫生领域的首次实地验证。
[2]Google Research2022年8月24日
谷歌研究院介绍称，mMitra从怀孕起至孩子1周岁生日向用户发送预防保健语音信息，并介绍了3组设计。报告称，7周后累计参与度下降的情况较标准服务减少32%，而轮流拨打使这类情况减少5.2%，差异不显著。该研究只衡量了人工外呼能力有限情况下的短期结果。
详细内容请参阅原始来源。
收录日期 2026年10月25日 · 更新日期 2026年10月25日
