Efikasnost konverzacijskih agenata umjetne inteligencije u zdravstvenoj zaštiti: sistematski pregled.
Journal of medical Internet research
Sažetak istraživanja
Pozadina Velika potražnja za uslugama zdravstvene zaštite i rastuća sposobnost umjetne inteligencije doveli su do razvoja konverzacijskih agenata dizajniranih da podrže različite aktivnosti vezane za zdravlje, uključujući promjenu ponašanja, podršku u liječenju, praćenje zdravlja, obuku, trijažu i podršku u skriningu. Automatizacija ovih zadataka mogla bi osloboditi kliničare da se fokusiraju na složeniji posao i povećaju dostupnost zdravstvenih usluga za javnost. Potrebna je sveobuhvatna procjena prihvatljivosti, upotrebljivosti i djelotvornosti ovih agenasa u zdravstvenoj zaštiti kako bi se uporedili dokazi kako bi budući razvoj mogao ciljati područja za poboljšanje i potencijal za održivo usvajanje.
Cilj Ovaj sistematski pregled ima za cilj da proceni efikasnost i upotrebljivost konverzacijskih agenata u zdravstvenoj zaštiti i identifikuje elemente koje korisnici vole i ne vole da bi se informisali o budućim istraživanjima i razvoju ovih agenasa.
Metode PubMed, Medline (Ovid), EMBASE (Excerpta Medica dataBASE), CINAHL (Kumulativni indeks sestrinske i srodne zdravstvene literature), Web of Science i Digitalna biblioteka Asocijacije za računarske mašine su sistematski pretražene za članke objavljene od 2008. godine koji procjenjuju neograničene agente prirodnog jezika koji se koriste u obradi konverzacije o zdravlju. Za početni skrining korišćen je softver za upravljanje referencama EndNote (verzija X9, Clarivate Analytics), a pregled punog teksta je sproveo 1 recenzent. Podaci su izvučeni, a rizik od pristrasnosti je procijenio jedan recenzent i potvrdio drugi.
Rezultati Ukupno je odabrana 31 studija koja je uključivala različite konverzacijske agente, uključujući 14 chatbota (od kojih su 2 bila glasovni chat botovi), 6 utjelovljenih konverzacijskih agenata (od kojih su 3 interaktivni pozivi za glasovni odgovor, virtuelni pacijenti i sistemi za prepoznavanje govora), 1 kontekstualni agent za odgovaranje na pitanja i 1 sistem trijaže za prepoznavanje glasa. Sve u svemu, prijavljeni dokazi su uglavnom bili pozitivni ili mješoviti. Upotrebljivost i zadovoljstvo pokazali su se dobro (27/30 i 26/31), a pozitivna ili mješovita efikasnost pronađena je u tri četvrtine studija (23/30). Međutim, postojalo je nekoliko ograničenja agenata istaknutih u specifičnim kvalitativnim povratnim informacijama.
Zaključci Studije su generalno izvještavale o pozitivnim ili mješovitim dokazima o djelotvornosti, upotrebljivosti i zadovoljavajućem ispitivanju konverzacijskih agenata, ali su kvalitativne percepcije korisnika bile više mješovite. Kvalitet mnogih studija je bio ograničen, a poboljšani dizajn studija i izvještavanje su neophodni da bi se preciznije ocijenila korisnost agenata u zdravstvenoj zaštiti i identificirala ključna područja za poboljšanje. Dalja istraživanja bi također trebala analizirati isplativost, privatnost i sigurnost agenata. Međunarodni registrovani identifikator izvještaja (irrid) RR2-10.2196/16934.
Prikaži originalni naslov i sažetak na engleskom
The Effectiveness of Artificial Intelligence Conversational Agents in Health Care: Systematic Review.
Background The high demand for health care services and the growing capability of artificial intelligence have led to the development of conversational agents designed to support a variety of health-related activities, including behavior change, treatment support, health monitoring, training, triage, and screening support. Automation of these tasks could free clinicians to focus on more complex work and increase the accessibility to health care services for the public. An overarching assessment of the acceptability, usability, and effectiveness of these agents in health care is needed to collate the evidence so that future development can target areas for improvement and potential for sustainable adoption.
Objective This systematic review aims to assess the effectiveness and usability of conversational agents in health care and identify the elements that users like and dislike to inform future research and development of these agents.
Methods PubMed, Medline (Ovid), EMBASE (Excerpta Medica dataBASE), CINAHL (Cumulative Index to Nursing and Allied Health Literature), Web of Science, and the Association for Computing Machinery Digital Library were systematically searched for articles published since 2008 that evaluated unconstrained natural language processing conversational agents used in health care. EndNote (version X9, Clarivate Analytics) reference management software was used for initial screening, and full-text screening was conducted by 1 reviewer. Data were extracted, and the risk of bias was assessed by one reviewer and validated by another.
Results A total of 31 studies were selected and included a variety of conversational agents, including 14 chatbots (2 of which were voice chatbots), 6 embodied conversational agents (3 of which were interactive voice response calls, virtual patients, and speech recognition screening systems), 1 contextual question-answering agent, and 1 voice recognition triage system. Overall, the evidence reported was mostly positive or mixed. Usability and satisfaction performed well (27/30 and 26/31), and positive or mixed effectiveness was found in three-quarters of the studies (23/30). However, there were several limitations of the agents highlighted in specific qualitative feedback.
Conclusions The studies generally reported positive or mixed evidence for the effectiveness, usability, and satisfactoriness of the conversational agents investigated, but qualitative user perceptions were more mixed. The quality of many of the studies was limited, and improved study design and reporting are necessary to more accurately evaluate the usefulness of the agents in health care and identify key areas for improvement. Further research should also analyze the cost-effectiveness, privacy, and security of the agents. International registered report identifier (irrid) RR2-10.2196/16934.
Izvorni podaci
- DOI
- 10.2196/20346
- PMID
- 33090118
- PMCID
- PMC7644372
- Provjereno
- 2026-07-26
Naslov i sažetak prevedeni su automatski i prijevod može sadržavati netačnosti ili neprecizne stručne izraze. Za sve detalje, citiranje i medicinsko tumačenje pregledajte originalnu englesku verziju članka. Ne donosite zdravstvene odluke samo na osnovu ovog prijevoda.
Pregledaj originalni članak na engleskom