机器学习助力塞拉利昂民众更便捷地获得医疗服务

在中低收入国家，医疗资源普遍紧缺，如何科学分配药品等关键资源至关重要。但现实中，用于需求预测、供应链协调和资源调配的工具往往缺失或不可靠——而这些工具在高收入国家已是标配。本文发表于《自然》杂志，由钟安庭等人开发了一套‘决策感知型’机器学习系统：它不只停留在算法验证阶段，而是真正嵌入复杂多变的真实基层医疗系统；通过预测‘哪家诊所、哪天、需要多少某种药品’，动态指导药品调拨，从而减少短缺与浪费。该系统强调实用性、鲁棒性和本地适配性，为改善全球基本药物可及性提供了可推广的技术路径。