《Patient Education and Counseling》：The influence of AI-driven chatbots on communication between patients and health care providers: A qualitative systematic review
编辑推荐：
•本综述从生态学的角度探讨了聊天机器人在健康传播中的作用。•聊天机器人作为广泛的健康传播系统中的“第三方”发挥作用。•聊天机器人可以增加信息获取的便利性，但也可能放大错误信息的风险。•聊天机器人有助于提升人们对医疗护理中同理心和人际关系的认识。•对待聊天机器人的好处应持一定的怀疑
- •
本综述从生态学的角度探讨了聊天机器人在健康传播中的作用。
- •
聊天机器人作为广泛的健康传播系统中的“第三方”发挥作用。
- •
聊天机器人可以增加信息获取的便利性，但也可能放大错误信息的风险。
- •
聊天机器人有助于提升人们对医疗护理中同理心和人际关系的认识。
- •
对待聊天机器人的好处应持一定的怀疑态度。
引言
面向患者的人工智能技术，如聊天机器人，正在医疗沟通系统中扮演越来越重要的角色。这些技术能够“直接与患者互动，提供个性化的健康建议、教育或心理社会支持”[1]（第314页）。为此，由人工智能驱动的聊天机器人（以下简称聊天机器人）（如ChatGPT）利用大规模语言模型和自然语言处理技术[2]，通过模仿人类行为和认知功能来模拟与人类用户的半社会关系。尽管聊天机器人支持不同的沟通方式（例如基于语音和/或视觉的输入和输出），但大多数仍然主要以文本形式回应患者的文字输入。聊天机器人已迅速成为医疗服务和护理流程的不可或缺的一部分，促进了分诊、医学诊断和治疗以及患者监测等过程[3]。
聊天机器人的广泛应用正在逐步重塑构成复杂健康沟通系统的社会和信息环境[4]。这些系统既复杂又动态，因为它们包含了多种功能，包括信息交换、情绪管理、应对不确定性、建立治疗关系以及促进协作决策[5, 6, 7]。有效管理这种沟通对于以患者和家庭为中心的护理至关重要，积极的沟通方式已被证明与改善患者的生理和心理社会结果相关[6, 7, 8, 9]。然而，目前关于聊天机器人在医疗保健中影响的研究主要集中在这些新兴且快速发展的技术的功能方面（例如沟通界面和对话能力[2]）。聊天机器人生成的信息如何进入并重构患者与医疗保健提供者（HCPs）之间的沟通机制尚不清楚，据我们所知，目前还没有现有的证据基础可供利益相关者在决定是否以及如何将聊天机器人整合到面向患者的服务中时参考。鉴于患者与医疗保健提供者沟通的关键作用，理解聊天机器人如何影响这种沟通至关重要。
《医学互动中的沟通生态模型》（EMCME）[10]提供了一个有用的框架，用于研究这些沟通环境的快速变化如何影响医疗保健提供者与患者之间的沟通。该模型将患者与医疗保健提供者的沟通视为“处于多种社会环境之中并受到其影响”，这些环境由宏观和微观沟通系统中的不同组件之间的相互关联和共生关系构成[10]（第63页）。EMCME模型的核心焦点是即时的患者-医疗保健提供者医疗互动——这种人际互动受到个体的沟通倾向（如性格、语言和信息资源）以及认知情感特征（如目标、对对方的感知和情绪状态）的影响。
Street[10]所描述的非人际环境也对患者与医疗保健提供者之间的沟通产生影响：组织环境、媒体环境、文化环境和政治法律环境。组织环境包括一系列结构特征和系统[10]，例如组织政策和实践、人员配备以及人们对就医服务的感知和实际等待时间[11]。媒体环境涉及患者如何使用媒体技术（如互联网和聊天机器人）进行健康相关活动，例如信息搜索。政治法律环境包括与医疗服务提供相关的立法和司法行为，如医疗事故诉讼和法规。文化环境主要涉及个人对种族和民族的看法和信念（如态度和刻板印象）。这些人际和非人际环境共同塑造、促进或限制了医疗互动中的沟通[10, 11]。Street最初对EMCME的研究主要集中在患者与医生之间的医疗咨询上，后续研究将其扩展到患者与各种医疗保健提供者（如护士和药剂师）之间的沟通[11]。本综述遵循了跨学科和专业的医疗保健提供者的广泛关注范围。
基于EMCME，本综述系统地探讨了聊天机器人的引入是否以及如何改变了患者与医疗保健提供者之间沟通发生的人际和非人际环境。这种视角和理论方法补充了现有关于数字健康和聊天机器人中介沟通的相关文献，这些文献主要集中在聊天机器人的功能方面[2]，或采用模式、效果和个人偏好 [12, 13]。我们采用了定性研究方法，因为这允许深入调查患者和医疗保健提供者的共同和/或独特观点。具体来说，本综述探讨了以下研究问题：
由人工智能驱动的聊天机器人如何影响患者与医疗保健提供者之间沟通的人际和非人际环境？
通过深入研究人际和非人际环境，本综述提供了对聊天机器人影响的相对全面和结构化的理解。这一焦点也响应了EMCME学者们呼吁研究人员进行更广泛思考，并增加对非人际环境的研究关注度，以补充对人际环境的关注[10, 11]。 除了这些理论贡献之外，本综述提供的见解为政策制定和实践发展提供了宝贵的证据，利益相关者可以据此获得指导。
章节摘录
方法
本综述在PROSPERO（已编辑）中进行了前瞻性注册，并按照系统评价和元分析的优先报告项目（PRISMA）指南[14]进行和报告。
结果
共有15项研究被纳入定性综合分析。这些研究分布于广泛的地理区域：7项在北美（美国：5项；加拿大：2项），4项在亚洲（中国大陆：2项；香港特别行政区：1项；韩国：1项），3项在欧洲（挪威：2项；葡萄牙：1项），以及1项在澳大利亚。8项研究报告了患者对聊天机器人如何影响他们与医疗保健提供者沟通的看法，3项报告了医疗保健提供者的看法，4项报告了医疗保健提供者和患者的共同看法。
讨论
基于EMCME，本综述系统地整合了定性研究结果，探讨了聊天机器人如何重构患者与医疗保健提供者沟通所处的非人际和人际环境。虽然现有研究主要集中在人际环境上[10, 11]，但这些发现也为对非人际环境的考察提供了额外的见解。本综述扩展了Head和Bute的观点，即“第三方”[34]（第790页）正在逐渐发挥更大的影响
伦理
本综述综合了已发表研究的成果，因此不需要伦理批准。
作者贡献声明
WU Xiaoyan Ivy：撰写——审稿与编辑，撰写——初稿，项目管理，方法论，数据分析，概念化。Margo Turnbull：撰写——审稿与编辑，撰写——初稿，监督，方法论，资金筹集，数据分析，概念化。Jeffry Oktavianus：撰写——审稿与编辑，方法论，数据分析。Yijun Wang：撰写——审稿与编辑，方法论，数据分析。
利益冲突声明
作者声明他们没有已知的可能会影响本文所报告工作的竞争性财务利益或个人关系。
Margo Turnbull|WU Xiaoyan Ivy|Jeffry Oktavianus|Yijun Wang
