In diversi paesi dell'America Latina gruppi per la salute e team di ricerca stanno impiegando intelligenza artificiale generativa per aumentare l'accesso a informazioni sulla salute sessuale e riproduttiva, con particolare attenzione a giovani e persone emarginate. L'iniziativa risponde a barriere consolidate come la lingua, lo stigma sociale e la carenza di servizi locali.
In Perù l'ostetrica Ana Miluzka Baca Gamarra ha ideato TeleNanu, un assistente virtuale in quechua nato all'Università di San Martín de Porres. TeleNanu, che in quechua significa "confidente", adotta un modello di consulenza in cinque fasi (stabilire fiducia, identificare bisogni, rispondere, verificare la comprensione e mantenere la comunicazione) ed è stato addestrato usando linee guida dell'OMS, indicazioni del Ministero della Salute del Perù, letteratura peer-reviewed e conoscenze professionali. La piattaforma fornisce risposte basate su prove e può raccomandare consulenza umana quando necessario; negli ultimi dodici mesi ha gestito oltre 88.000 richieste in quechua e spagnolo, con alcune interazioni dall'estero.
In ottobre l'organizzazione peruviana non profit APROPO ha lanciato NOA, una piattaforma disponibile su WhatsApp, sul web e sui social media, addestrata con dati locali e internazionali accurati e con l'obiettivo di raggiungere 100.000 adolescenti entro il 2026. Le iniziative nascono in un contesto sanitario urgente: nel 2024 sono stati segnalati più di 8.000 nuovi casi di HIV, i giovani adulti nei loro 20 anni sono tra i più colpiti, il 12% dei parti riguarda madri tra dieci e 19 anni e la mortalità materna in adolescenza è in aumento.
Ricercatori del CIECTI in Argentina hanno testato grandi modelli linguistici con prompt e riscontrato risposte stigmatizzanti e lacune cliniche; hanno sviluppato uno strumento per classificare i danni e prevedono di creare dati più rappresentativi per ridurre i bias. Esperti come il ricercatore del Conicet Marcelo Risk sottolineano che i bias nei dati di addestramento sono centrali e sollecitano supervisione umana. Altri specialisti propongono di collegare ricerca scientifica e sistemi sanitari e di coinvolgere le comunità nella progettazione e nella valutazione delle soluzioni.
Parole difficili
- intelligenza artificiale generativa — modelli che generano testo o contenuti nuovi
- emarginato — persone escluse o discriminate nella societàemarginate
- ostetrica — professionista sanitaria che assiste gravidanza e parto
- consulenza — supporto professionale con consigli e informazioni
- linea guida — raccomandazioni ufficiali per adottare buone pratichelinee guida
- bias — distorsione nei dati che porta a errori
- stigmatizzante — che giudica negativamente e colpevolizza le personestigmatizzanti
Suggerimento: passa il mouse o tocca le parole evidenziate nell’articolo per vedere definizioni rapide mentre leggi o ascolti.
Domande di discussione
- Quali vantaggi e rischi vedi nell'uso di assistenti virtuali in lingue indigene per la salute riproduttiva?
- Secondo l'articolo, quali misure possono ridurre i bias nei modelli e migliorare la qualità delle risposte?
- Come potrebbero le piattaforme su WhatsApp e i social media raggiungere meglio gli adolescenti vulnerabili nella tua regione?
Articoli correlati
Giovani americani: molti continuano a usare tabacco e cannabis
Uno studio su giovani americani mostra che la maggioranza di chi consuma nicotina, tabacco o cannabis continua a farlo. La ricerca, guidata da Rebecca Evans-Polce, è finanziata dal National Cancer Institute e dai National Institutes of Health.
Migliorare il sonno può proteggere i bambini
Uno studio su migliaia di bambini trova che difficoltà economiche, scarso sonno e problemi nella regolazione emotiva aumentano il rischio di pensieri e tentativi suicidari. Migliorare il sonno potrebbe ridurre questo rischio, soprattutto nelle famiglie a basso reddito.
L'esercizio protegge i muscoli: scoperta una via genetica
Uno studio sui topi mostra come l'esercizio riduce l'attività dannosa che indebolisce i muscoli con l'età. I ricercatori individuano una catena di geni (FOXO‑DEAF1‑mTORC1) che spiega il legame tra età, esercizio e perdita di forza.