贫困社区糖尿病患者营养管理的智能亭:开发和技术评估

科学领域:

• 医疗信息学 医疗信息学
• 医疗保健中的人工智能
• 公共卫生技术 公共卫生技术

背景情况:

• 全球糖尿病患病率正在上升,不成比例地影响低收入和中等收入地区.
• 在获得治疗和营养教育方面的不平等阻碍了糖尿病管理.
• 边缘化社区需要可访问的技术解决方案,以自我管理糖尿病.

研究的目的:

• 设计和评估基于人工智能 (AI) 的交互式收纳台.
• 为贫困地区的糖尿病患者制定文化相关和个性化的饮食计划.
• 为了评估餐厅的营养建议准确性,系统性能和可用性.

主要方法:

• 开发了一个低成本的交互式收纳台原型与当地食品数据库.
• 使用了在与临床指南一致的合成数据上训练的多层感知子模型.
• 对营养建议的准确性 (准确性,精度,灵敏度,F1评分),系统响应时间和可用性 (系统可用性量表) 进行实验性评估.

主要成果:

• 人工智能模型实现了高准确度 (87.3%),精度 (90.5%),灵敏度 (92.1%),以及F1得分 (91.3%).
• 台表现出高效的性能,平均响应时间为2.36秒,即使承受重载.
• 可用性测试的平均得分为 89/100,成功率为 98.3%.

结论:

• 基于人工智能的收纳台在技术上是可行的,性能充足,并提供令人满意的可用性.
• 它的低成本和离线能力使其成为糖尿病自我管理的公平工具.
• 该亭提供了一个可复制的模型,用于增强服务不足社区的公共卫生倡议.