Welzijn.AI：基于多利益相关方参与的老年护理对话式人工智能系统开发与责任伦理研究

本研究针对全球老龄化加剧背景下老年人群心理健康监测需求，开发了基于LLM（大型语言模型）的对话式AI系统Welzijn.AI。通过专家访谈、共创工作坊和概念验证评估三重验证，揭示了系统在孤独干预和语言生物标志物分析方面的潜力，同时明确了隐私保护和使用场景适配等关键挑战，为负责任AI在老年护理领域的应用提供了实证范本。

　　

随着全球老龄化进程加速，到203年60岁以上人口将占全球六分之一，老年人群面临社交孤立、认知功能下降等挑战，而医疗资源短缺使问题更加严峻。人工智能技术尤其是基于大型语言模型（LLM）的对话系统，为远程监测老年人心理健康提供了新思路，但现有系统普遍存在三大痛点：缺乏真实场景验证、与医疗场景脱节、忽视老年用户特殊需求。

荷兰研究团队在《Maturitas》发表的研究以Welzijn.AI系统为案例，构建了整合Whisper语音转录、Llama3.3-70B语言模型和CoquiTTS语音合成的技术架构，围绕EQ-5D-5L（欧洲五维健康量表）开发心理健康监测功能。研究采用CEHRES（数字健康应用开发路线图）框架，通过三阶段评估：1）6位医疗专家访谈形成SWOT分析；2）4类利益相关方参与的共创工作坊采用百元分配法（HDM）评估价值需求；3）20位高龄用户（平均83.2岁）对静态界面的可及性、可信度等6维度测评。

研究结果显示三大核心发现：在系统价值方面，专家访谈（表2）指出系统能有效识别语言行为模式（S优势），但存在隐私顾虑（T威胁）；共创工作坊（图4）显示"安全数据存储"和"演示培训"是跨群体共识需求，而开发者更关注技术参数，护理人员侧重环境适配；高龄用户评估（表3）表明系统在可及性（64%正向评价）和可信度（59%）表现良好，但理解度（44%）和满意度（42%）亟待提升。社交特征排序（表4）揭示"共情响应"（101分）远高于"自然交互线索"（60分）的老年偏好。

讨论部分指出，该研究创新性地将AI开发与CEHRES路线图结合，证实多阶段利益相关方参与能有效识别技术-场景匹配问题。特别值得注意的是，老年用户对技术透明度的低需求（排名第6）与专家强调的隐私保护形成张力，这种认知差异提示AI伦理需要分群体考量。研究局限性在于样本均来自荷兰，未来需跨文化验证。该成果为医疗AI开发提供了可复用的方法论框架，其揭示的"环境支持优于技术优化"原则（如帮助台设置比算法改进更关键）对老年数字健康产品设计具有普适指导意义。论文最后强调，在人口老龄化与AI技术爆发的历史交汇点，只有通过持续的多方协作，才能实现既创新又负责任的健康科技解决方案。