Främja forskning och utbildning i data science i Afrika genom datathon‑drivna innovationer

Varför detta är viktigt för hälsan i Afrika

I hela Afrika samlar forskare in stora mängder hälsoinformation, från klinikbesök till myggräkningar och satellitbilder. Men utan personer utbildade i att tolka dessa data förblir många livräddande insikter låsta. Denna artikel beskriver ett nytt sätt att snabbt utbilda unga forskare i Västafrika med hjälp av ”datathons” – intensiva, team‑baserade evenemang där deltagarna analyserar verkliga malaria‑data och omvandlar sitt arbete till publicerbar forskning. Tillvägagångssättet visar hur korta, fokuserade program kan öka lokal expertis och bidra till att afrikanska data används för att lösa afrikanska hälsoproblem.

En ny typ av lärandeevenemang

Författarna tog fram en två‑fasig utbildningsmodell inom initiativet Data Science for Health Discovery and Innovation in Africa. Först genomfördes en hybrid ”grundvecka”, öppen för cirka 50 deltagare från 14 länder, där många deltog på distans. Under denna fas lärde sig deltagarna kodning, datamanagement och grundläggande analytiska färdigheter med hjälp av kostnadsfria eller allmänt tillgängliga verktyg som R, Python och kartprogram. Fokus låg på praktik snarare än föreläsningar, med övningar som steg för steg gick igenom verkliga analytiska uppgifter. De som genomförde majoriteten av sessionerna fick ett intyg och blev berättigade till den andra, personliga fasen.

Att omvandla statistik till smartare verktyg

De flesta deltagare kunde redan en del traditionell statistik, så handledarna använde den förkunskapen som en bro till nyare metoder som ofta samlas under artificiell intelligens och maskininlärning. Istället för att behandla dessa som mystiska ”svarta lådor” visade utbildningen hur de utvecklas ur välbekanta idéer. Ett fallstudie jämförde till exempel vanlig linjär regression – en stomme i statistiken – med en maskininlärningsstil av regression som delar upp data i tränings‑ och testset och använder korsvalidering för att kontrollera prestanda. En annan övning jämförde manuell avritning av objekt på satellitbilder med automatiserade bildklassificeringsmetoder som snabbt och mer exakt kan identifiera hustak. Dessa sida‑vid‑sida‑demonstrationer hjälpte deltagarna att se när klassiska tekniker är lämpliga och när maskininlärning tillför verkligt värde.

Inne i datathon

Efter grundfasen reste 15 deltagare till Bamako, Mali, för en femdagars närvaro‑datathon som hölls vid ett specialiserat bioinformatikcenter. De arbetade med ett omfattande malaria‑datavaruhus byggt på en långvarig studie i Mali, Senegal och Gambia som följt tusentals människor, hushåll, myggor och klinikbesök under flera år. Deltagarna delades in i fem små team som blandade kompetenser inom programmering, epidemiologi och kliniskt arbete. Under mentorskap valde varje grupp sin egen forskningsfråga – såsom varför vissa barn bär malariaparasiten utan symtom, eller hur malariarisk varierar över säsonger och platser – och rengjorde, länkade och analyserade sedan relevanta datalager.

Från intensiv vecka till bestående påverkan

Under veckan presenterade teamen dagliga framsteg för domare som poängsatte projekten utifrån vetenskaplig kvalitet och metodik. I slutet höll grupperna slutpresentationer och lämnade in skriftliga rapporter, och priser belönade de bästa insatserna. Avgörande var att datathon inte avslutades när evenemanget tog slut. Varje team knöts till en senior mentor och ingick i ett rullande schema med online‑möten för att omvandla projektet till en fullständig vetenskaplig artikel inom ungefär ett år. Programmet belyste också verkliga utmaningar: koordinering av internationella resor, hantering av språkbarriärer mellan engelska och franska och att ge kvinnliga forskare lika möjligheter att ansöka, delta och leda team. Trots dessa hinder rapporterade deltagarna hög grad av engagemang och nöje, och författarna noterar starkt nätverkande och samarbete över gränserna.

Vad detta betyder för framtiden

Studien visar att välplanerade datathons kan åstadkomma mycket mer än en kort intensivkurs i programmering. Genom att kombinera strukturerad förberedelse, tillgång till högkvalitativa lokala hälsodata och långsiktigt mentorskap hjälper modellen unga afrikanska forskare att lära genom att utföra verklig forskning som betyder något för deras samhällen. Författarna menar att liknande program kan anpassas till andra sjukdomar och regioner, särskilt där universitet eller sjukhus redan har grundläggande datorkapacitet. På sikt kan sådana insatser omvandla underutnyttjade data till bevis för bättre hälsopolicyer, samtidigt som de bygger en ny generation datakunniga forskare över kontinenten.

Citering: Doumbia, S., Kane, F., Diabate, O. et al. Advancing data science research education in Africa through datathon-driven innovations. Sci Rep 16, 11527 (2026). https://doi.org/10.1038/s41598-026-41474-7

Nyckelord: datathon‑utbildning, hälsodataforskning, malariaforskning, kapacitetsuppbyggnad i Afrika, utbildning i maskininlärning