印度醫療與生命科學2022 – 進行中ARMMAN
以機器學習決定mMitra計畫中誰能獲得健康工作者來電
Google Research模型在印度孕產婦健康計畫23,000名女性的實地試驗中，使參與度下降的情形減少約30%
問題
ARMMAN的mMitra計畫向孕婦與新手媽媽發送自動語音訊息，但許多人不再收聽。這家非營利組織的健康工作者有限，因此只有少數女性能獲得真人來電。
做法
Google Research與ARMMAN建立了一套模型，以非穩態多臂吃角子老虎機（restless multi-armed bandit）方法，挑選哪些女性應獲得有限的來電名額。對於沒有收聽紀錄的新登記者，該模型依過往收聽模式將女性分群，並將人口統計特徵對應到這些群組。約23,000名女性被分成3組：標準照護、輪流來電與模型挑選來電。研究為期7週。
主要數據
23,003為期7週實地研究的參與者人數
~30%模型挑選組相較於對照組，參與度下降情形減少的幅度
32%7週後累計參與度下降情形較標準照護減少的幅度（p = 0.044，Google Research所述）
啟示
該模型分配有限的員工來電，使健康訊息參與度下降的情形減少約30%。結果僅涵蓋一項為期7週的研究。
分類
來源
來源摘要
[1]Proceedings of the AAAI Conference on Artificial Intelligence2022年6月28日
Google Research、哈佛大學、ARMMAN與新加坡管理大學的研究人員，描述了一套以吃角子老虎機演算法分配有限服務來電的系統。在一項涵蓋23,003名參與者、為期7週的研究中，模型組較對照組有統計上顯著的改善，使參與度下降的情形減少約30%。研究人員稱，這是該方法在公共衛生領域的首次實地驗證。
[2]Google Research2022年8月24日
Google Research說明，mMitra從懷孕到孩子滿1歲為止發送預防保健語音訊息，並介紹分為3組的研究設計。報告指出，7週後累計參與度下降的情形較標準照護減少32%，輪流來電組則減少5.2%，未達統計顯著水準。該研究僅衡量短期結果，且可提供的電話服務量有限。
詳細內容請參閱原始資料。
收錄日期 2026年10月25日 · 更新日期 2026年10月25日
