共计 1413 个字符，预计需要花费 4 分钟才能阅读完成。
在战时的乌克兰，医疗服务展现出了非凡的韧性，其中技术创新在维持医疗服务方面扮演了关键角色。在第 20 届欧洲艾滋病会议（EACS 2025）上，公共卫生联盟的 Tetiana Deshko 介绍了人工智能（AI）在医疗领域的三大应用：通过“数字人类”提升服务的可及性，利用机器学习优化 HIV 检测的定位，以及借助 AI 分析加强组织的韧性规划。,
数字人类
TWIIN 是一款面向乌克兰关键人群的聊天机器人，能够解答关于性健康、药物使用和医疗服务的问题。为确保信息的准确性和适用性，其回答基于公共卫生联盟创建的知识库，并辅以 ChatGPT 的内容补充。与传统的文本交互不同，TWIIN 采用了“数字人类”——即使用真实人脸和声音的交互式动画化身。研究表明，这种化身在影响健康行为方面比非具身的代理更为有效，且在情感联系和文化适应上具有优势。TWIIN 的化身大多基于社区卫生工作者和服务用户，这些人正是聊天机器人旨在触达的关键人群。
- 
TWIIN 最常被问及的问题包括：PrEP 的定义、获取方式和使用方法；HIV 的传播途径；PEP 及无保护性行为后的应对措施；芬太尼试纸和过量预防；阿片类药物替代疗法的获取途径；HIV 是否可治愈；以及化学性行为。尽管该服务通过博主、社交媒体影响者、外展活动和非政府组织（NGO）进行了推广，但最有效的用户触达方式是通过 Google 和 Meta 的定向广告。
TWIIN 的创建初衷之一是减轻人类外展工作者的负担和成本，让数字服务处理基础或常规的查询，而人类则专注于更复杂的互动。Deshko 报告称，在 2024 年最后一个季度，TWIIN 触达了 4702 人，而全球基金支持的每个 NGO 平均触达 1150 名客户。她还希望在线互动能够转化为更深入的医疗保健参与，用户通常会被引导至远程医疗平台，进行安全套、注射器、自测工具和纳洛酮的订购，或安排与社区卫生工作者的视频通话。,
定向 HIV 检测
HIV 检测的“产出率”——即检测者中被诊断出 HIV 的比例——是其效率的核心。在公共卫生联盟最初的外展检测模式中，约 1% 或 2% 的检测者被诊断出 HIV，而在首次部署社交网络检测时，这一比例上升至 4% 至 24%。这种检测方式要求最近检测呈阳性的人鼓励其社交网络中可能同样面临 HIV 感染风险的其他人进行检测。然而，随着时间的推移，产出率逐渐下降，且在新诊断者中差异显著。为识别更有可能发现新病例的索引病例，公共卫生联盟正在使用机器学习，这一 AI 子领域使计算机能够基于数据进行预测，而无需显式编程。
去年，在机器学习的支持下，55 例索引病例提名了 922 名同伴接受检测，其中 52 人（5.6%）被诊断出 HIV。这一结果优于由工作人员指导的筛选结果。随着 AI 模型的不断改进，尤其是随着越来越多的数据可供学习，产出率有望继续提高。,
加强韧性规划
公共卫生联盟还使用 AI 帮助其实现 ISO 22301，这是一项业务连续性管理系统的国际标准。满足其要求意味着该组织拥有一个结构化框架，可以识别风险、为中断做好准备，并在网络攻击、轰炸或基础设施故障等危机期间维持基本功能。制定符合该标准的计划和程序是一个要求高且劳动密集型的过程，AI 对话代理正在帮助分析关键流程、依赖关系和风险，并创建符合组织具体情况和 ISO 要求的定制应急计划。此外，AI 将在危机升级之前预测风险，在事件期间提供实时决策支持，并分析过去的中断以改进最佳实践。Deshko 表示，这使得业务连续性管理即使对资源有限的组织也变得可行。
