Enhanced healthcare using generative AI for disabled people in Saudi Arabia
Notice bibliographique
Résumé
Saudi Arabia’s Vision 2030 prioritizes advances in healthcare to improve accessibility, improve medical services, and support people with disabilities. Despite the adoption of telemedicine and AI-driven healthcare solutions, disabled and elderly people continue to face challenges in accessing real-time medical services, receiving accurate diagnoses and independently navigate healthcare facilities. Current healthcare systems often struggle with delays, lack of personalization, and inefficiencies in medical data processing, limiting their effectiveness in providing inclusive and responsive healthcare. To address these challenges, this paper proposes an AI-powered healthcare framework that integrates Generative Artificial Intelligence (GAI), Reinforcement Learning from Human Feedback (RLHF), and the Analytic Network Process (ANP). RLHF enables AI models to learn and adapt based on real-time user feedback, ensuring a personalized and interactive healthcare experience. Meanwhile, ANP optimizes decision-making processes, allowing for faster, more accurate medical service delivery by considering multiple healthcare factors. This combined approach improves remote consultations, intelligent diagnostics, and seamless real-time interactions, significantly improving accessibility to healthcare for disabled individuals. The proposed framework is evaluated against existing AI-driven healthcare models. Results demonstrate that the system outperforms traditional methods, providing a faster, more reliable, and patient-centered healthcare experience. By combining GAI, RLHF, and ANP, this research offers a practical solution to improve healthcare accessibility for disabled individuals, aligning with the goals of Saudi Arabia’s Vision 2030.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».