Harvard testet KI für mehr Empfehlungen zum HIV-Test in Südafrika

Feldstudie in KwaZulu-Natal

Wie Harvard SEAS berichtet, untersucht ein Forschungsteam unter Leitung von Milind Tambe, Gordon McKay Professor of Computer Science, ob KI eine digitale Gesundheitsintervention verbessern kann, die Empfehlungen unter Gleichaltrigen für HIV-Angebote anstoßen soll. Im Fokus stehen Bevölkerungsgruppen, die sich bislang schwerer erreichen lassen. Die Feldstudie läuft derzeit in der südafrikanischen Provinz KwaZulu-Natal. Dort leben laut Quelle rund 8 Millionen Menschen mit HIV, mehr als in jedem anderen Land der Welt.

Die Studie ist Teil von HIV-LIFT, kurz für Leveraging Innovation and Friendships to Improve HIV Testing. Die Gates Foundation finanziert die Initiative, an der die Wits University in Südafrika, die von Tambe geleitete Forschungsgruppe Teamcore von Harvard, Partner der Weltgesundheitsorganisation und weitere Beteiligte mitwirken. Alastair van Heerden von der Wits University ist Hauptprüfer der mehrjährigen Studie. Sie richtet sich an Gruppen wie Männer und Jugendliche, die sich seltener testen lassen und eher undiagnostiziert bleiben oder Kliniken aufsuchen.

So funktioniert die KI-Priorisierung

Im Mittelpunkt steht Coach Mpilo, ein kostenloser, vertraulicher KI-Gesundheitscoach und Chatbot, der über WhatsApp verfügbar und speziell für Südafrikanerinnen und Südafrikaner konzipiert ist. Er bietet Informationen und Unterstützung zu HIV-Tests und -Behandlung sowie zu anderen Gesundheitsthemen. Mehr als 150.000 Nutzerinnen und Nutzer sind registriert, doch nur etwa 15 % davon sind Männer. Männer lassen sich der Quelle zufolge historisch seltener auf HIV testen und behandeln, etwa wegen sozialer Stigmatisierung oder langer Arbeitszeiten.

Die App enthält bereits einen finanziellen Anreiz für bestehende Nutzer, die andere Personen werben, die HIV-Angebote benötigen könnten. Die Studie stellt eine praktische Frage: Wen sollte ein Programm bevorzugen, wenn es sich nur leisten kann, eine begrenzte Zahl von Menschen zur Ansprache ihrer Kontakte zu motivieren?

Das Harvard-Team entwickelte einen Ansatz aus maschinellem Lernen und Optimierung, um bestehende Nutzer auszuwählen, die dann per Anreiz angestoßen werden. Das Modell schätzt, welche Nutzer am ehesten Personen aus unterversorgten Gruppen, darunter Männer und Jugendliche, werben. Die geplante Studie vergleicht zwei Gruppen. In der einen werden berechtigte Nutzer zufällig für die Ansprache ausgewählt. In der anderen verengt ein KI-Filter den Kreis der anreizberechtigten Nutzer weiter. Das KI-System liefert eine feste Prioritätenliste, die vorab aus Daten früherer Anreizkampagnen entwickelt wurde.

In retrospektiven Auswertungen von etwa 16.000 historischen Anstößen aus zwei Monaten schätzten die Forscher, dass der Ansatz mehr erfolgreiche Empfehlungen erzeugt als jede andere Strategie. Die Arbeit soll Kliniken, Gesundheitspersonal und die sozialen Beziehungen hinter den Empfehlungen unter Gleichaltrigen ergänzen, nicht ersetzen.

Transparenz statt Komplexität

Das Team sagt, dass Rahmenbedingungen aus der Praxis das Design geprägt haben. Doktorand Akseli Kangaslahti erklärte, die Gruppe habe zunächst einen komplexeren Simulationsalgorithmus verwendet, dessen Ergebnisse für normale Nutzer aber schwer nachvollziehbar gewesen seien. „Ich glaube, wir haben aus dieser Arbeit viel gelernt, auch wenn wir die darin vorgeschlagenen Algorithmen nicht direkt einsetzen konnten“, sagte Kangaslahti.

Postdoc Davin Choo, der die Algorithmenentwicklung geleitet hat, sagte: „Es bringt nichts, wenn raffinierte Verfahren auf dem Papier gut aussehen, sich aber in der Praxis nicht nutzen lassen.“ Tambe zufolge schlugen Partner Richtlinien vor, die Fairness und Gleichbehandlung für Nutzer mit identischen Profilen sicherstellen und zugleich das Rahmenwerk einfach, transparent und praxistauglich halten sollten.

Was als Nächstes möglich ist

Da die Algorithmen die Zielgruppen erzeugen, wollen die Forscher klären, ob sich der Ansatz mit Prioritätsgruppen dauerhaft in Coach Mpilo oder möglicherweise in anderen Anwendungen umsetzen lässt. Ergebnisse aus der laufenden Studie nennt die Quelle noch nicht.

Das Projekt baut auf mehr als einem Jahrzehnt Teamcore-Forschung zu KI und sozialen Netzwerken in der HIV-Prävention auf. Tambe befasst sich seit 2013 mit HIV-Prävention und arbeitete zunächst mit obdachlosen Jugendlichen in Los Angeles. „Wir hoffen, dass unsere Arbeit letztlich dazu beiträgt, die Versorgung HIV-Betroffener zu verbessern oder Menschen den Zugang zu HIV-Informationen zu erleichtern“, sagte Tambe. Seine separate Rolle bei Google Research AI for Social Good gehört laut Quelle nicht zu HIV-LIFT.