移动电话的广泛普及使非营利组织能够及时向其受益人提供重要的健康信息。虽然智能手机上的高级应用程序允许受益人和健康教练之间实现更丰富的多媒体内容和双向通信，但更简单的文本和语音消息服务可以有效地向大型社区传播信息，特别是那些服务不足且获取信息和智能手机有限的社区。 ARMMAN1 是一家从事这方面工作的非营利组织，总部位于印度，其使命是改善服务不足社区的孕产妇和儿童健康状况。

他们运行的项目之一是 mMitra，它使用自动语音消息传递及时的预防性护理信息，以便在怀孕期间和出生后一年内向准妈妈和新妈妈提供。这些信息是根据受益人的胎龄量身定制的。定期倾听这些信息已被证明与改善行为和健康结果具有高度相关性，例如年末出生体重增加三倍的婴儿增加了 17%，知道服用铁片重要性的女性增加了 36% .

然而，ARMMAN 面临的一个关键挑战是大约 40% 的女性逐渐停止参与该计划。虽然可以通过向女性提供实时服务电话来解释收听信息的优势来缓解这种情况，但由于支持人员有限，不可能打电话给计划中的所有低级听众 - 这突出了有效优先考虑接收此类信息的人的重要性服务电话。

在 AAAI 2022 上发表的“Field Study in Deploying Restless Multi-Armed Bandits: Assisting Non-Profits in Improving Maternal and Child Health”中，我们描述了一种基于 ML 的解决方案，该解决方案使用 NGO 的历史数据来预测哪些受益人将受益最多从服务调用。我们解决了在现实世界大规模部署此类系统所带来的挑战，并在涉及 23,000 多名参与者的实际研究中展示了部署此模型的有用性。该模型显示，与目前的护理标准组相比，听众人数增加了 30%。

内容中包含的图片若涉及版权问题，请及时与我们联系删除