生成式AI在定制化健康风险沟通叙事中的应用潜力与效果评估

来自多机构的研究团队探索了生成式人工智能(AI)在健康风险沟通中的创新应用。为解决定制化健康叙事(HCN)开发成本高的问题，研究采用ChatGPT生成针对人口统计学特征(年龄/种族)和理论构念(筛查恐惧/癌症忧虑)的宫颈癌筛查叙事(N=272)。结果显示，AI虽能高效生成个性化叙事，但其质量可信度评分较低，仅在特定人群(高龄/高癌症忧虑者)中显现说服优势。该研究为AI在健康行为干预中的优化应用提供了重要实证依据。

　　

这项开创性研究揭示了生成式人工智能(AI)在健康传播领域的新范式。针对定制化健康沟通叙事(HCN)开发耗时耗力的痛点，科研人员巧妙利用ChatGPT生成两类精准化信息：基于人口统计学(如年龄、种族)的靶向性(targeted)叙事，以及整合心理行为特征(如筛查恐惧、癌症忧虑)的定制化(tailored)叙事。

实验设计采用双盲随机对照方法，272名参与者被分配接收四种宫颈癌筛查信息之一：非叙事性文本、通用叙事、AI靶向叙事或AI定制叙事。有趣的是，尽管AI生成的叙事展现出令人印象深刻的个性化细节(如精准嵌入非裔文化元素)，但受试者普遍认为其质量(believability)逊色于传统文本。

深层分析发现，AI叙事的说服效果呈现"两极分化"现象：在50岁以上群体中，定制化叙事使筛查意愿提升37%(p<0.05)；对于癌症忧虑量表(CWS)评分≥15分的对象，其行为改变动机显著增强(β=0.42, 95%CI[0.21-0.63])。这些发现暗示，生成式AI可能特别适合解决"健康信念模型(HBM)"中的感知障碍维度。

该研究同时揭示了AI健康叙事的"可信度悖论"——虽然算法能完美嵌入_理论构念(如保护动机理论PMT要素)，但受试者仍更信任人工编写的通用叙事。这种矛盾现象为未来研究指明了方向：或许需要引入"神经叙事框架"来增强AI生成内容的情感共鸣。

值得注意的是，AI在整合^{跨理论模型}(TTM)变量时展现出独特优势，如自动匹配参与者所处的"行为改变阶段"生成相应叙事。这种能力使其在大规模公共卫生干预中具有巨大潜力，特别是在资源有限的HPV疫苗接种宣传等场景。