Harvard testet KI-gesteuerte Anreize für HIV-Empfehlungen im Chatbot Coach Mpilo

Harvard testet KI-gesteuerte Anreize für HIV-Empfehlungen im Chatbot Coach Mpilo

Forschende der Harvard University um Milind Tambe, Gordon McKay Professor of Computer Science an der School of Engineering and Applied Sciences, prüfen in der südafrikanischen Provinz KwaZulu-Natal, ob künstliche Intelligenz die Vergabe begrenzter Anreize für Peer-Empfehlungen verbessert. Der Feldversuch läuft derzeit. Er ist Teil von HIV-LIFT (Leveraging Innovation and Friendships to Improve HIV Testing), einer Initiative, die die Gates Foundation finanziert.

Im Mittelpunkt steht Coach Mpilo, ein kostenloser, vertraulicher KI-Gesundheitscoach, der über WhatsApp läuft. Der Chatbot liefert Informationen und Unterstützung zu HIV-Tests, zur Behandlung und zu weiteren Gesundheitsthemen. Mehr als 150.000 Menschen nutzen ihn. Nur etwa 15 Prozent davon sind Männer.

Zum Angebot gehört ein finanzieller Anreiz. Wer Freunde, Familienmitglieder oder andere Kontakte empfiehlt, die HIV-Dienste brauchen könnten, erhält Geld. Die zentrale Forschungsfrage lautet, wie sich solche Anreize am wirksamsten vergeben lassen, wenn sich nur ein Teil der Nutzenden zur Empfehlung weiterer Personen bewegen lässt. Dafür hat Harvard nach den vorliegenden Angaben einen Ansatz aus maschinellem Lernen und Optimierung ergänzt. Er soll helfen zu entscheiden, wer einen Anreiz erhält.

An dem Projekt beteiligt sind die Wits University, deren Hauptprüfer Alastair van Heerden ist, die Teamcore-Gruppe um Tambe an der Harvard University sowie die Weltgesundheitsorganisation (WHO) und weitere Partner.

Warum Männer und Jugendliche in Südafrika schwer zu erreichen sind

Südafrika hat rund 8 Millionen Menschen mit HIV, mehr als jedes andere Land. Männer nehmen Dienste zu Test, Diagnose und Behandlung seltener in Anspruch. Nach den Angaben liegt das unter anderem an Stigma und Arbeitszeiten. Auch Jugendliche suchen seltener Tests und Versorgung.

Genau hier setzt die Rekrutierung über Peer-Empfehlungen an. Wer Kontakte aus dem eigenen Umfeld anspricht, erreicht womöglich Menschen, die klassische Angebote meiden. Weil der Chatbot nur zu etwa 15 Prozent von Männern genutzt wird, soll die gezielte Vergabe der Anreize helfen, diese Gruppen stärker einzubinden.

Nur Simulationen belegt: PEGE+DDB schneidet auf realen Netzwerken besser ab

Aus dem Feldversuch selbst liegen bislang keine Ergebnisse vor. Belegt sind allein Simulationsergebnisse eines verwandten Arbeitspapiers auf arXiv. Es entstand in Zusammenarbeit mit der WHO und der University of the Witwatersrand. Das Papier beschreibt Policy-Embedded Graph Expansion (PEGE) mit Dynamics-Driven Branching (DDB) für sequenzielles, netzwerkbasiertes HIV-Testen. Dabei offenbart sich das Netzwerk schrittweise.

In Experimenten auf realen HIV-Übertragungsnetzwerken übertrifft die Kombination PEGE+DDB die Vergleichsverfahren. Ausdrücklich handelt es sich dabei nicht um einen Feldversuch. Wenn 25 Prozent der Bevölkerung getestet sind, erzielt das Verfahren 17,3 Prozent mehr diskontierte Belohnung und 15,4 Prozent mehr HIV-Entdeckungen. Ob sich das im Alltag eines Chatbots bestätigt, ist offen.

Unklar bleibt auch, ob der Feldversuch gegenüber früheren Arbeiten der Tambe-Gruppe inhaltlich Neues bringt. Ein Vergleich liegt nicht vor. Die Studienträger müssen bei Ethik, Datenschutz und Auswertung nachlegen, sobald Nutzende algorithmisch für Anreize ausgewählt werden.