1/ La disponibilité limitée d’ensembles de données de haute qualité, représentatifs sur le plan culturel et linguistique, concernant la santé mentale dans langues africaines. Le développement de modèles d’IA fiables nécessite une collecte approfondie de données, une annotation, une validation et un perfectionnement continu affinage continu, tout en garantissant la confidentialité, une gouvernance éthique des données et des mesures de protection cliniques appropriées.

2/ Adapter les technologies de IA de pointe à la diversité langues africaines, contextes culturels et environnements de soins à ressources limitées. Le modèle d’IA « Amharic Agentic » a nécessité le développement et la validation de capacités spécifiques à cette langue à partir de plus de 4 000 échantillons de voix cliniques , les travaux se poursuivant pour optimiser la précision, la généralisabilité et la pertinence clinique.

3/ Intégrer des outils basés sur l’IA dans les flux de travail du secteur de la santé, renforcer la confiance parmi les professionnels et les communautés, et veiller à ce que IA renforce plutôt qu’elle ne perturbe des soins centrés sur l’humain. La préparation du personnel, la culture numérique, les limites des infrastructures les limites et la variabilité des systèmes de santé d’une région à l’autre influencent également l’adoption et l’évolutivité.

4/ Le projet doit également tenir compte de l’évolution des considérations réglementaires et éthiques liées à l’IA dans le secteur de la santé, notamment la gouvernance responsable gouvernance de l’IA, la protection des données, la responsabilité clinique et les nouvelles politiques en matière de santé numérique. Malgré ces défis, les partenariats d’AYA avec des établissements universitaires, des organismes de santé et des acteurs du secteur technologique constituent une base pour un développement itératif, une validation et une mise à l’échelle responsable à travers l’Afrique.

Une pratique fondamentale consiste à intégrer une conception de l'IA centrée sur l'humain, afin de garantir que les outils d’IA viennent en renfort des professionnels de première ligne plutôt que de se substituer au jugement clinique. En maintenant la supervision des cliniciens, en intégrant les retours des professionnels et en alignant capacités de l’IA aux flux de travail réels.

Une bonne pratique essentielle consiste à consiste à utiliser des données générées localement et pertinentes sur le plan culturel et linguistique pour développer modèles d’IA. Le modèle d’IA agentique en amhari a été développé à partir de plus de 4 000 échantillons de voix cliniques en amharique, permettant une adaptation aux schémas linguistiques locaux, aux styles de communication et aux contextes de soins. Cette approche souligne l’importance d’une collecte et de la validation des données sous la direction des Africains plutôt que de se fier uniquement aux modèles développés dans d’autres régions.

Un engagement fort des parties prenantes a joué un rôle central dans la mise en œuvre. La collaboration avec les établissements de santé, les universités, les organismes technologiques et les acteurs gouvernementaux a soutenu la validation clinique, la recherche et le développement, ainsi que l’alignement sur les priorités sanitaires locales. Des partenariats avec des organisations telles que l’Université des sciences et technologies d’Addis-Abeba Université des sciences et technologies d’Addis-Abeba (AASTU), l’Université de Jimma, l’Autorité des sciences et technologies d’Oromia , l’hôpital St. Paul, le Millennium Medical College, l’hôpital de Batu, le centre de rééducation pour femmes de Lenegewaet l’Institut éthiopien ont renforcé la rigueur scientifique et la capacité de mise en œuvre.

Pour assurer l’évolutivité et la durabilité, les principales recommandations comprennent le développement d’une infrastructure multilingue , la conception de solutions adaptées aux environnements à ressources limitées, le soutien à une répartition évolutive des tâches grâce à l’autonomisation des prestataires de première ligne, ainsi que la mise en place de cadres de gouvernance responsables de l’ IA de gouvernance de l’IA Les mises en œuvre futures devraient accorder la priorité à l’interopérabilité, à la sécurité des données, à l’évaluation continue des modèles , la formation du personnel et l’harmonisation des politiques afin de garantir que les solutions de santé mentale basées sur l’IA puissent être intégrées de manière durable dans les systèmes de santé nationaux et communautaires à travers l’Afrique.