在后续情景中,如何识别患者对AI语音机器人的看法? 一种基于深度学习的多式身份认知方法
Mingjie Liu1, Kuiyou Chen2, Qing Ye3
1School of Medicine and Health Management, Tongji Medical College, Huazhong University of Science and Technology, Wuhan 430030, China.
Journal of biomedical informatics
|December 4, 2024
概括
这项研究开发了一种深度学习模型,以了解患者对人工智能语音机器人的看法,在出院后的随访期间. 该模型准确地识别了患者的感知,提高了AI语音机器人的有效性和患者合作.
科学领域:
- 医疗保健中的人工智能
- 人与计算机的交互
- 自然语言处理自然语言处理.
- 语音识别 语言识别
背景情况:
- 出院后的随访对患者管理至关重要,但资源有限.
- 患者表现出较低的合作,可能会拒绝人工智能语音机器人的后续电话.
- 了解患者对人工智能的看法对于提高后续效果至关重要.
研究的目的:
- 构建一个多式联机深度学习模型,用于识别患者对AI语音机器人的看法.
- 提高人工智能驱动的医疗后续过程的有效性.
主要方法:
- 利用了2030患者响应录音和文本数据集.
- 员工通过BERT和TextCNN转移学习进行文本分析.
- 集成的AST和LSTM用于音频分析,具有功能融合的自我注意.
主要成果:
- 多式模式模型实现了86.67%的精度,84%的AUC和94.38%的准确性.
- 与现有的基线方法相比,表现出优越的性能.
- 一个概括实验证实了该模型在不同医院部门的稳定性.
结论:
- 开发的多式联络身份感知模型有效地识别了患者对AI语音机器人的感知.
- 研究结果支持优化AI语音机器人设计和部署,以提高患者参与度.
- 在人工智能辅助的医疗后续检查中改善患者合作是可以实现的.
