In gebieden met oorlog, rampen of hongersnood rapporteren liefdadigheidsinstellingen vaak het aantal kinderen dat aan ondervoeding lijdt in percentages - één op 10, één op vijf, één op drie. Maar heb je je ooit afgevraagd hoe deze tarieven worden berekend?
Het onderscheiden van wie en hoeveel mensen ondervoed zijn, vereist behoorlijk wat professionele vaardigheden. Helaas ontbreken in gebieden met humanitaire rampen vaak werknemers met dit soort training.
Nu heeft een in Kenia gevestigd bedrijf een AI ontwikkeld die via een eenvoudige foto de voedingsstatus van een kind kan beoordelen. Ze hopen dat de technologie, MERON (methoden voor extreem snelle observatie van de voedingsstatus) genoemd, kan helpen bij het verzamelen van vitale gegevens in gebieden waar opgeleide werknemers niet beschikbaar of onpraktisch zijn.
"We werken in zeer onveilige gebieden waar we monitoring op afstand bieden", zegt Ben Watkins, CEO van Kimetrica, een bedrijf dat als missie heeft overheden en non-profitorganisaties te helpen de impacteffectiviteit van hulpgeld te vergroten. "Dus we houden toezicht op de voedselveiligheid en de voedingssituatie in gebieden waar agentschappen niet noodzakelijkerwijs zeer betrouwbare toegang hebben."
MERON is getraind in een database met foto's om de gelaatstrekken te herkennen, zoals de rondheid van de wangen, die overeenkomen met ondervoeding. Het enige dat nodig is, is een gezichtsfoto en deze kan het beeld onmiddellijk categoriseren als normaal, matig ondervoed of ernstig ondervoed. Eerste onderzoeken suggereren dat de AI een 78 procent nauwkeurigheid heeft bij het detecteren van personen met een normaal gewicht; Kimetrica werkt momenteel aan proeven met foto's van ondervoede kinderen.
Het idee voor MERON kwam van de tienerdochter van Watkins. Watkins en zijn team hadden ideeën besproken voor eenvoudige, minder invasieve manieren om ondervoeding bij kinderen te beoordelen. Zijn dochter zei: 'Waarom maak je niet gewoon foto's van de gezichten van mensen? Je kunt zien hoe zwaar mensen zijn door alleen naar hun gezichten te kijken. "
Het was een goed idee, dacht Watkins. Gezichtskenmerken zijn immers een factor die getrainde menselijke beoordelaars gebruiken bij het visueel beoordelen van ondervoeding. De naam van zijn dochter? Meron. De naam van de AI is eigenlijk een backronym voor de maker.
Er zijn momenteel verschillende methoden om acute ondervoeding bij kinderen te beoordelen. Een getrainde waarnemer kan een visuele beoordeling maken op basis van factoren zoals spierafbraak. Beoordelaars kunnen de omtrek van de middelste bovenarm van een kind meten - de grens voor "ernstige acute ondervoeding" is 11 centimeter voor kinderen jonger dan vijf jaar. Of een gewicht / hoogte-verhouding kan worden gebruikt.
Het meten van de mate van ondervoeding is van cruciaal belang, zowel om hulpgeld te krijgen als om te beslissen welke kinderen medische noodbehandeling en therapeutisch voedsel nodig hebben - vaak energierijke pasta's versterkt met micronutriënten.
Maar Kimetrica werkt vaak met zeer vluchtige, zeer afgelegen gebieden. Zelfs als er getrainde beoordelaars beschikbaar zijn, is het werk vaak gevaarlijk voor zowel hen als de families die ze beoordelen. Lokale autoriteiten in door oorlog verscheurde regio's zullen het misschien niet op prijs stellen dat internationale agentschappen het bewustzijn van hun interne chaos vergroten. Het opzetten van een tent voor het meten van arm of lengte en gewicht kan ongewenste aandacht trekken.
"Er is behoefte aan discrete technologie waar deze kan worden gebruikt zonder het bewustzijn te vergroten of te opvallend te zijn in het veld, " zegt Watkins. "Het idee om een smartphone te gebruiken is in dat opzicht aantrekkelijk, omdat je snel een foto kunt maken."
Andrew Jones, een voedingsdeskundige voor de volksgezondheid aan de Universiteit van Michigan, is het ermee eens dat de huidige methoden voor het beoordelen van ondervoeding in bepaalde contexten invasief kunnen zijn. Het meten van de armomtrek kan betrekking hebben op het verwijderen van kleding, wat in sommige culturen taboe kan zijn. En het verkrijgen van hoogtemetingen vereist training en medewerking van een kind.
"Het is eigenlijk best traumatisch voor sommige kleine kinderen om een vreemde te laten komen en hun lengte op te nemen, " zegt Jones.
Jones zegt dat hij de rol van technologieën als MERON in humanitaire noodsituaties kan zien.
"In die context zie ik zeker de noodzaak om veel kinderen in een korte periode te screenen met beperkingen voor opgeleid personeel, " zegt hij.
Jones merkt op dat ernstige acute ondervoeding - het soort dat zich voordoet met verspilde ledematen en gezwollen buik - eigenlijk veel minder vaak voorkomt dan andere vormen van ondervoeding. Meer gebruikelijk is "stunting" - de verminderde groei en ontwikkeling die kan voortkomen uit slechte diëten. Achtergebleven kinderen zijn niet noodzakelijkerwijs mager - sommige zien er zelfs nogal dik uit - maar ze kunnen cognitieve stoornissen en een slechte gezondheid hebben.
"Er zijn veel meer achtergebleven kinderen op de wereld dan er kinderen zijn die ernstig acuut ondervoed zijn", zegt Jones. Volgens gegevens van de WHO en UNICEF zijn wereldwijd ongeveer 155 miljoen kinderen achtergebleven, terwijl ongeveer 16 miljoen kinderen aan ernstige acute ondervoeding lijden.
Kimetrica heeft MERON in het veld getest en heeft een paar knikken om uit te werken voordat het programma mogelijk wordt uitgerold. Ten eerste moeten de gebruikte foto's het kind naar voren gericht hebben, in goed licht. Dit vereist enige training van de kant van de fotograaf, of het nu een ouder of een lokale werknemer is. Ten tweede moet MERON worden getest op kinderen van verschillende nationaliteiten en etnische groepen, om ervoor te zorgen dat het voor iedereen even nauwkeurig is. Het team moet vervolgens een naadloze app maken die onmiddellijk feedback geeft.
Watkins hoopt dat MERON uiteindelijk toepassingen zal hebben die verder gaan dan ernstige acute ondervoeding, zoals het diagnosticeren van ziekten zoals kwashiorkor, een vorm van eiwitondervoeding die zwelling veroorzaakt, of zelfs het beoordelen van zwaarlijvigheid.
