弥合人工智能,NLP和数字健康:埃默里大学的双向学习体验

科学领域:

• 生物医学信息学 生物医学信息学
• 数字健康数字健康
• 人工智能的人工智能
• 自然语言处理自然语言处理.

背景情况:

• 数字健康,人工智能和NLP为全球医疗保健提供了变革性的潜力,特别是在资源有限的环境中.
• 生物医学信息学的学术研究可以解决低收入和中等收入国家 (LMICs) 的现实世界卫生挑战.

研究的目的:

• 探索AI和NLP在LMICs中应对医疗保健挑战中的应用.
• 检查学术研究和实际现场实施之间的双向学习.
• 调查多语言生成语言模型的进步,NLP中的性别偏见和对话AI.

主要方法:

• 一项研究奖学金的重点是将AI和NLP技术应用于LMICs的医疗保健问题.
• 探索多语言生成语言模型和对话式AI.
• 在NLP应用中分析性别偏见.
• 开发和增强AvivaAI,一个移动对话聊天机器人.

主要成果:

• 证明了AI和NLP在解决LMICs医疗保健挑战中的成功应用.
• 加强了AvivaAI的开发,这是尼日利亚宫癌意识的移动对话聊天机器人.
• 获得了关于多语言模型,NLP中的性别偏见和对话AI有效性的见解.

结论:

• 人工智能和NLP是改善资源有限环境中的医疗保健的强大工具.
• 学术界和现场应用之间的双向学习加速了数字健康领域的创新.
• 像AvivaAI一样,对话式人工智能显示出在LMIC中针对性健康宣传活动的前景.