Sustainable artificial intelligence in global health: balancing promise, equity, and environmental realities in low- and middle-income countries
Rattachement africain : us, ca, de. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
OBJECTIVE: Artificial intelligence (AI) adoption in global health informatics is accelerating, yet scaling, sustainability, equity, and environmental challenges limit impact, particularly in Low and Middle Income Countries (LMICs). MATERIALS AND METHODS: Drawing on experience from members of the American Medical Informatics Association Global Health Informatics and Climate, Health and Informatics Working Groups, we synthesized implementation, evaluation, sustainability, and governance considerations for AI in resource constrained health systems. RESULTS: We propose a framework integrating four components: Green AI necessity assessments; a One Digital Health systems lens; pragmatic, workflow integrated evaluation; and federated governance supporting locally led stewardship and cross institutional learning. DISCUSSION: Sustainable AI requires moving beyond short term pilots to address infrastructure, environmental costs, workflow integration, equity, and locally relevant evidence. CONCLUSION: Funders and implementers should prioritize durable infrastructure, strengthened health information systems, rigorous evidence generation, environmentally responsible deployment, and local stewardship to achieve scalable, equitable, and sustainable AI in global health.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Sustainable artificial intelligence in global health: balancing promise, equity, and environmental realities in low- and middle-income countries
- Date Crossref
- 17/09/2026
- Éditeur
- Oxford University Press (OUP)
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Beth Israel Deaconess Medical Center pays non établi dans la noticeÉtablissement de santé
-
Harvard University pays non établi dans la noticeUniversité ou école supérieure
-
University of Victoria pays non établi dans la noticeUniversité ou école supérieure
-
Homewood Research Institute pays non établi dans la noticeOrganisation à but non lucratif
-
Regenstrief Institute pays non établi dans la noticeOrganisation à but non lucratif
-
Indiana University – Purdue University Indianapolis pays non établi dans la noticeUniversité ou école supérieure
-
Duke University Department of Biomedical Engineering pays non établi dans la noticeUniversité ou école supérieure
-
University at Buffalo Department of Biomedical Informatics pays non établi dans la noticeUniversité ou école supérieure
-
Brown University Brown Center for Biomedical Informatics pays non établi dans la noticeUniversité ou école supérieure
-
BC Innovation Council pays non établi dans la noticeInstitution
-
Leibniz Institute for Prevention Research and Epidemiology - BIPS pays non établi dans la noticeStructure de recherche
-
Neu-Ulm University of Applied Sciences DigiHealth Institute pays non établi dans la noticeUniversité ou école supérieure
Beth Israel Deaconess Medical Center, Harvard University et University of Victoria, avec 9 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.