《Public Health》:Evaluating AI-assisted sign language recognition as a digital health intervention to improve communication access for people who are deaf
编辑推荐:
Desi Fatkhi Azizah|Anik Nur Handayani|Aji Prasetya Wibawa印度尼西亚东爪哇省玛琅市Semarang街5号,玛琅国立大学工程学院电气工程与信息学系,邮编65145摘要研究目的聋人面临的沟通障碍始终是公共卫生领域的一个难题,尤其
Desi Fatkhi Azizah|Anik Nur Handayani|Aji Prasetya Wibawa
印度尼西亚东爪哇省玛琅市Semarang街5号,玛琅国立大学工程学院电气工程与信息学系,邮编65145
摘要
研究目的
聋人面临的沟通障碍始终是公共卫生领域的一个难题,尤其是在医疗环境中,有效的沟通对于保障服务质量、患者安全以及实现公平至关重要。本研究旨在评估一种由人工智能辅助的手语识别系统,作为一种预实施阶段的数字健康干预措施,以提升听力障碍者获取健康沟通服务的能力。
研究方法
本研究采用定量评估设计,利用英国手语字母图像数据集来评估人工智能辅助手语识别系统的可行性。通过多种模型配置,在四种不同的数据划分场景下对系统性能进行评估。精度、召回率、F1值、平均精确度以及推理时间等性能指标被用作衡量其在健康沟通场景中的可行性、可靠性及响应能力的依据。同时通过描述性分析来考察不同场景下系统的性能一致性。
研究结果
在所有评估场景中,该系统均表现出稳定的高性能和良好的响应能力,表明其在不同数据配置下仍能可靠地识别手语动作。各场景间性能的一致性说明系统的可行性并不依赖于某一种特定的数据划分方式。所有模型版本的性能都足以支持基于手语的基本沟通,不过在识别准确性与响应速度之间可能存在一定的权衡。
研究结论
从公共卫生的角度来看,研究结果表明,人工智能辅助手语识别系统可作为补充性的数字健康沟通工具,尤其适用于那些专业口译员资源匮乏的环境。尽管本研究并未评估临床效果或实际应用情况,但它为未来基于实践的评估以及旨在为聋人提供更加包容和公平的医疗服务的政策制定提供了初步依据。
引言
有效的沟通是优质医疗服务提供的基本要素,也是决定服务质量、患者安全以及医疗资源分配公平性的关键因素。1,2,3 医护人员与患者之间沟通不畅可能导致误诊、治疗依从性下降、患者满意度降低,进而加剧健康差距。4,5,6 对于聋人或听力障碍者而言,由于缺乏合适的沟通方式,他们在获取健康信息和服务方面往往面临更多障碍。
在全球范围内,聋人获得医疗服务往往依赖于专业手语口译员或书面沟通。然而,口译员的供应一直较为有限,尤其是在基层医疗机构和资源匮乏的地区,而书面材料也可能无法充分传达复杂的医学信息。因此,聋人或听力障碍者在医疗决策中的自主权可能受到限制,无法平等地获得必要的医疗服务。7,8 从公共卫生的角度而言,这些障碍构成了影响包容性和以患者为中心的医疗体系的长期公平性问题。
数字健康技术的进步为解决弱势群体面临的沟通障碍带来了新的机遇。人工智能辅助手语识别系统能够实时将手语动作转化为文字或语音,有望成为提升沟通可及性的有效数字健康干预手段。9 这类系统有助于聋人与医护人员直接交流,从而补充现有的沟通支持方式,特别是在没有人工口译员的情况下,进一步提升医疗服务的可及性。
虽然基于人工智能的手语识别技术已在计算机科学和工程学领域得到广泛研究,但从公共卫生角度对其进行的评估却相对较少。现有研究大多侧重于算法性能和技术优化,而对于其对医疗服务可及性、公平性以及系统整体可行性的影响关注甚少。10,11,12 因此,目前关于人工智能辅助通信技术作为公共卫生干预手段而非单纯技术创新的探讨还十分欠缺。
本研究旨在填补这一空白,通过评估一种人工智能辅助手语识别系统作为预实施阶段的数字健康干预措施,来提升聋人在医疗环境中的沟通能力。本研究并非注重算法的创新性,而是着重考察系统的可行性、性能一致性以及响应能力,这些指标对于满足健康沟通需求具有重要意义。通过分析多种评估场景和模型配置,本研究旨在为公共卫生从业者、医疗系统规划者以及政策制定者提供有价值的参考,助力他们制定更加包容的数字健康战略。本研究的结果有望为推动数字健康公平性发展提供初步的实证依据,展现人工智能辅助手语识别系统在为聋人提供更包容、更便捷、更高效的医疗服务方面的潜力。
内容节选
研究设计
本研究采用预实施阶段的定量评估设计,旨在评估人工智能辅助手语识别系统作为数字健康沟通干预措施的可行性。评估是从公共卫生角度出发,重点考察系统的性能、可靠性及响应能力,以此判断其是否适合用于提升医疗环境中的沟通可及性。本研究并非着眼于评估临床效果或健康结果,而是
评估场景概述
对人工智能辅助手语识别系统的评估采用了四种不同的数据划分场景,旨在考察在不同训练、验证和测试数据比例下的性能稳定性。设置这些场景是为了验证该系统能否在多种配置下保持稳定的性能,而这正是那些用于提升医疗沟通可及性的数字健康工具所必需具备的特质。
在所有场景中,
主要研究发现
本研究为人工智能辅助手语识别系统作为数字健康沟通干预措施、助力聋人获取服务提供了初步的可行性证据。预实施阶段的评估显示,该系统在多种数据共享场景下都能保持稳定且响应迅速的性能,这说明它已具备在医疗环境中支持手语沟通的基本技术条件。从公共卫生的角度
伦理声明
本研究使用的是公开可用的图像数据集,其中不包含任何可识别的个人隐私或敏感健康信息。研究中没有涉及任何人类参与者、患者或医护人员,因此无需获得临床机构或伦理审查委员会的正式批准。不过,在整个研究过程中,我们始终遵循负责任的数据使用原则,确保透明度,并尊重弱势群体的权益。
关于稿件撰写过程中生成式人工智能及人工智能辅助技术的声明
在撰写本稿件时,作者们使用了ChatGPT(OpenAI)工具来协助语言编辑、优化文章结构以及提升学术写作的清晰度。在使用该工具之后,作者们对所有内容进行了仔细审核、修改和调整,并对最终文章的准确性、原创性及完整性承担全部责任。
资金来源
本研究未获得来自公共部门、商业机构或非营利组织等的任何专项资助。
利益冲突声明
作者声明,他们不存在任何可能影响本文研究结果的已知财务利益关联或个人关系。