LingVo.club
Nivelo
AI por seksa kaj reprodukta sano en Latin-Ameriko — Nivelo B2 — a young boy standing against a yellow wall looking at a tablet

AI por seksa kaj reprodukta sano en Latin-AmerikoCEFR B2

8 Dec 2025

Adaptita el Agustín Gulman, SciDev CC BY 2.0

Foto de Nikolay Likomanov, Unsplash

Nivelo B2 – Supra meza nivelo
6 min
322 vortoj

En pluraj landoj de Latin-Ameriko, civilsociaj grupoj kaj esploristoj aplikas artefaritan inteligentecon por provizi fidindan informon pri seksa kaj reprodukta sano al junaj kaj marĝenigataj homoj. En Perujo, la obstetrikistino Ana Miluzka Baca Gamarra disvolvis TeleNanu ĉe la University of San Martín de Porres; TeleNanu, kies nomo signifas "konfidulo" en keĉua, uzas generativan AI kaj konsilan modelon kun kvin paŝoj: konstrui konfidon, identigi bezonojn, respondi, kontroli komprenon kaj teni malferman komunikadon. La sistemo estis trejnita per gvidlinioj de la Monda Organizo pri Sano (WHO), la Perua Ministerio de Sano, recenzita literaturo kaj profesia sperto, kaj povas rekomendi homan konsilon kiam tio estas bezonata.

TeleNanu traktis pli ol 88,000 demandojn lasta jaro en keĉua kaj hispana, kun kelkaj demandoj ekster Perujo. En oktobro la neprofitcela organizo APROPO lanĉis NOA, generativan AI-platformon haveblan per WhatsApp, retejo kaj sociaj retoj; APROPO raportas, ke NOA estis trejnita kun precizaj lokaj kaj internaciaj datumoj kaj celas atingi 100,000 adoleskantojn ĝis 2026 uzante ciferecajn strategiojn por areoj kun alta bezono.

La movado venas kontraŭ la fono de maltrankviligaj publika‑sanaj datumoj: pli ol 8,000 novaj HIV-kazoj estis raportitaj en 2024, junaj plenkreskuloj en siaj 20‑aj jaroj estas plej trafitaj, 12 procentoj de naskiĝoj estis de patrinoj aĝaj 10–19, kaj morteco de adoleska patrineco kreskas. Ekspertoj kaj aktivuloj emfazis gravajn defiojn: limigita aliro, manko de diversaj kaj etikaj datumoj, kaj la bezono de publika‑privata kunordigo. Aktivulo Virginia Silveira avertas, ke AI povas reprodukti historiajn diskriminaciojn kontraŭ transgenruloj.

Argentinaj esploristoj ĉe CIECTI testis grandajn lingvomodelojn per promptaj demandoj kaj trovis stigmigajn respondojn kaj klinikajn malplenaĵojn. Ili evoluigis ilon por klasifi damaĝon kaj planas krei pli reprezenteconajn datumojn por malpliigi antaŭjuĝon; Conicet‑esploristo Marcelo Risk emfazis la neŭtraligon de trejnaj datumoj kaj la bezonon de homa superrigardo. Specialistoj rekomendas ligi sciencon kun sanaj sistemoj kaj inkluzivi la komunumon en dezajno kaj taksado.

  • Plifortigi datumojn por malpliigi biason
  • Certigi homan superrigardon
  • Kunlabori inter scienco kaj sanservo

Malfacilaj vortoj

  • artefarita inteligentecokomputila teknologio por imiti homan inteligenton
    artefaritan inteligentecon
  • generativakiu kreas novan enhavon aŭ respondon
    generativan
  • marĝenigatameti en malfavoran pozicion aŭ ekskludi
    marĝenigataj
  • kunordigoago aŭ procezo por kunigi diversajn grupojn
  • neŭtraligoforigi antaŭjuĝojn el trejnaj datumoj
    neŭtraligon
  • malplenaĵomanko aŭ vakuo en medicina scio
    malplenaĵojn
  • biasosistemata antaŭjuĝo en datumoj aŭ algoritmo
    biason

Konsilo: ŝovu la musmontrilon, fokusu aŭ tuŝu la reliefigitajn vortojn en la artikolo por vidi rapidajn difinojn dum legado aŭ aŭskultado.

Diskutaj demandoj

  • Kiujn avantaĝojn kaj riskojn vi vidas, se generativa AI helpas junajn homojn pri seksa kaj reprodukta sano en via komunumo?
  • Kiel oni povus plibonigi la reprezenton en trejnaj datumoj por malpliigi antaŭjuĝojn en AI-sistemoj?
  • Kiel sanaj institucioj kaj la komunumo povus kunlabori por certigi etikan uzon kaj homan superrigardon de tiaj AI-platformoj?

Rilataj artikoloj