AI verbetert basisgezondheidszorg in sub-Sahara Afrika ^{CEFR B2}

Kunstmatige intelligentie verandert de basisgezondheidszorg in delen van sub-Sahara Afrika door diagnostiek dichter bij gemeenschappen te brengen. In Siaya County (Kenia) kreeg een 28-jarige maïsboer met koorts in 2024 binnen korte tijd een diagnose nadat een community health worker een dikke bloeduitstrijk met een gewone smartphone op een draagbare microscoop fotografeerde; een algoritme suggereerde “Plasmodium falciparum ++” met hoge nauwkeurigheid. De pilot, uitgevoerd door het Keniaanse ministerie van Volksgezondheid met technische steun van Ubenytics, is uitgebreid naar tientallen locaties in meerdere counties.

Vergelijkbare initiatieven tonen concrete winst. De Ghanese startup Chestify AI helpt bij de interpretatie van thoraxfoto's en meldde kortere doorlooptijden en snellere beeldrapporten. WHO-gesuperviseerde studies voor tuberculose-detectie op basis van thoraxradiografieën vonden een gepoolde sensitiviteit rond 94.7 procent. Rwanda gebruikt routeringsalgoritmen voor droneleveringen en bracht de gemiddelde levertijd in moeilijk bereikbare districten sterk omlaag.

Kosten en governance blijven bepalend: training van een hoogpresterend malaria-microscopie-LLM kostte circa USD 180,000 in 2022, en de marginale kost per test kan tegen late 2025 onder USD 0.30 liggen. Regulering, dataresidency, duurzame financiering en menselijke supervisie zijn cruciaal. Risico's en aandachtspunten zijn onder meer:

• hallucination en bias in modellen,
• beperkt contextueel begrip door AI-systemen,
• onopgeloste privacy- en veiligheidsvraagstukken,
• de noodzaak van pragmatische richtlijnen en toezicht.

Met zorgvuldige governance zou tegen 2030 een community health worker met een goedkope smartphone en een LLM via 5G in enkele minuten antwoord kunnen geven in plaats van te moeten reizen naar ver verwijderde centra.