摘要
由人工智能驱动的智能医疗平台越来越多地结合了多模态数据获取、远程监控、预测分析、纵向仪表盘和特定角色信息服务。虽然这些能力能够实现更持续和个性化的健康监控，但它们也引入了无障碍挑战，这些挑战超越了传统用户界面设计，特别是在监控结果和 AI 生成输出的结构化、情境化和沟通方式上。本文致力于解决系统在无障碍操作化方面的差距，通过提出一个针对人工智能赋能的智能医疗平台的基于标准的无障碍设计框架。源自国际无障碍、以人为本的设计和软件质量标准的要求被转化为可追溯的架构和组件级约束，并集成到开发工作流中。该方法论结合了标准到需求到组件的可追溯性映射、架构文档分析、组件检查以及受控工作流演练。该框架应用于 NeuroPredict 平台，这是一个用于神经退行性疾病纵向和多模态监控的基于 AI 的环境。无障碍性通过跨层架构机制进行操作化，包括语义接口组件、可预测的交互工作流、无障碍呈现机制以及监控和 AI 输出的结构化表示。AI 生成的结果以结构化形式呈现，并结合情境、时间、来源相关和解释性信息，以支持角色适应；与不确定性相关的字段保留供未来经过验证的用户端集成使用。来自选定平台工作流的实施证据表明，所提出的机制可以被纳入当前平台架构，并为它们的技术可行性提供了初步支持。证据仅限于已实施和检查的机制，没有基于用户的无障碍验证、正式符合性审计、临床部署或监管认证。这些结果表明，虽然保持了无障碍机制与底层分析计算之间的区别，但无障碍设计可以为将无障碍需求集成到人工智能驱动的智能医疗平台的架构和开发生命周期中提供工程基础。
