编辑推荐：
为解决撒哈拉以南非洲地区孕妇因医疗资源有限、语言障碍等导致获取医疗建议困难的问题，研究人员开展了关于母婴健康问答数据集（MOTHER）的研究。结果是收集了 503 对问答数据，开发出针对孕期不同阶段的聊天机器人模型，有助于改善孕妇健康状况。
在广袤的非洲大陆，撒哈拉以南地区的孕妇们正面临着一场严峻的健康挑战。据 2019 年联合国儿童基金会（UNICEF）报告显示，这里的女性因分娩死亡的概率比高收入国家的女性高出五十倍之多。有限的医疗设施、难以接触到专业医生、缺乏紧急护理、医疗信息匮乏以及营养不良等因素，如同重重阴霾，笼罩在这些准妈妈们的头顶。每天，约有 800 名非洲农村女性因妊娠相关并发症离世，这一触目惊心的数字，迫切呼唤着创新的医疗解决方案。
为了打破这一困境，来自乌干达马凯雷雷大学（Makerere University）的研究人员踏上了探索之路。他们聚焦于母婴健康领域，致力于开发一个全面的问答数据集，以此为基础构建能够为孕妇提供即时、准确医疗信息的对话聊天机器人。
研究人员通过对乌干达农村和半城市地区的孕妇进行调查，收集了 503 对关于母婴健康的问题和答案。这些问题涵盖了孕期各个方面，如产前护理、营养、妊娠并发症、分娩、产后护理以及孕产妇健康等。参与调查的孕妇年龄在 20 - 50 岁之间，且特意选取了处于孕早期、中期和晚期的女性，有效回复率高达 94%。
在数据收集完成后，研究人员进行了一系列的预处理工作。他们将问题和答案重新整理为清晰的英语句子，以增强文本的可读性。对于相似的问题和答案，分别进行分组形成模式（patterns）和响应（responses），并为其添加标签（tags）和上下文（contexts）。最终，通过将标签、上下文、模式和响应进行组合，创建了意图（intents），从而将普通的问答对转化为可用于训练基于 BERT 模型的聊天机器人的数据集。
研究人员运用的主要关键技术方法包括：首先是数据收集，通过对特定地区孕妇进行有目的的抽样调查获取数据；然后是数据预处理，对收集到的数据进行整理、分组、标注等操作，将其转化为适合训练模型的格式。样本来源于乌干达农村和半城市地区的孕妇。
研究结果：
- 数据收集与整理：从 500 名孕妇处收集了孕期挑战和生活方式相关问题，经医疗专业人员解答后形成问答对数据集。数据清晰呈现了农村孕妇在营养、产前护理和产后护理等方面面临的挑战。
- 数据集构建：通过对问答对的预处理，形成了包含意图（Intents）、模式（Patterns）、响应（Responses）等的数据文件，如 Data file 1 - 5。这些数据文件为训练聊天机器人模型奠定了基础。
研究结论与讨论：该研究成功开发了母婴健康问答数据集，并将其存储于哈佛数据文库（Harvard Dataverse），可供后续研究使用。虽然数据集存在一定局限性，如仅以英语呈现，样本数量有限等，但它为构建智能聊天机器人提供了关键基础。该聊天机器人有望为资源受限地区的孕妇提供即时医疗信息，尤其是能用当地语言交流，克服语言障碍。这对于降低孕产妇死亡率、改善母婴健康结局具有重要意义，为提升全球母婴健康水平开辟了新的道路，也为后续相关研究和应用开发提供了宝贵的资源和参考。
