《Children》：Integrating Artificial Intelligence (AI) Chatbots to Promote Health Behaviors in Adolescents
编辑推荐：
背景与目标：青春期是建立健康行为的关键时期，这些健康行为塑造长期福祉和慢性病风险。然而，许多青少年未能达到体力活动（physical activity, PA）、饮食、屏幕时间或睡眠的建议标准。本综述考察人工智能聊天机器人（artificial intelli
背景与目标：青春期是建立健康行为的关键时期，这些健康行为塑造长期福祉和慢性病风险。然而，许多青少年未能达到体力活动（physical activity, PA）、饮食、屏幕时间或睡眠的建议标准。本综述考察人工智能聊天机器人（artificial intelligence chatbot, AI chatbot）用于促进青少年健康行为的应用，对利用AI聊天机器人促进青少年健康行为的现有文献进行综述，重点聚焦四个领域：设计（design）、可行性（feasibility）、影响（impact）以及安全与伦理（safety and ethics）。方法：本叙述性综述综合了以青少年为对象的研究，以及涉及儿童、年轻人、混合年龄样本或不明确人群但其结果适用于青少年健康行为干预的相关研究。证据围绕聊天机器人设计、可行性、行为结局以及安全与伦理问题加以组织。结果：所选研究在短期评估中报告了良好的可用性、满意度或参与度。自适应个性化（adaptive personalization）、情境提示（contextual prompting）和理论指导对话（theory-guided dialogue）被报告为设计特征，但其在维持参与度或行为结局方面的贡献仍不确定。然而，AI聊天机器人行为影响的证据仍然有限，且在行为领域间分布不均（即PA、膳食摄入、屏幕时间和睡眠）。安全与伦理问题包括准确性与错误信息（misinformation）、隐私与数据治理（privacy and data governance）以及明确的升级与安全协议（escalation and safety protocols）。结论：AI聊天机器人用于促进青少年健康行为值得进一步研究。现有证据尚未确立一般可接受性、持续参与度或行为改变效力，未来研究应在评估这些结局的同时评估安全与伦理保障措施。
引言指出，青春期（10~19岁）是建立影响长期健康与慢性病风险的健康行为的关键时期，但多数青少年未能达到体力活动（physical activity, PA）、饮食摄入、屏幕时间和睡眠的建议水平，亟需创新干预策略。传统儿童青少年健康行为干预结果混杂，部分原因在于参与、个性化和可扩展性难以维持；基于技术的方法可提供更灵活、更大规模的支持，其中人工智能聊天机器人（AI chatbot）凭借实时、可扩展、个性化行为咨询与管理潜力受到关注。本综述聚焦针对青少年四种关键健康行为（PA、饮食摄入、屏幕时间和睡眠）的AI聊天机器人干预。
1.1 聊天机器人、AI与AI聊天机器人：早期聊天机器人基于预定义脚本或决策树运行，特定输入触发固定回应；近期系统整合机器学习自然语言处理或大语言模型（large language model, LLM）驱动的文本生成，可依据用户输入、情境或行为数据动态生成回应。本综述将AI聊天机器人定义为整合至少一个自适应AI组件的对话系统，要求具备文档记录的机器学习组件（用于语言理解、回应选择或生成）或其他可自适应调整对话支持的已学习组件；仅依赖预定义脚本、关键词匹配、固定决策树、自动短信提醒或智能音箱提示而无文档记录已学习组件的系统归类为邻近技术。
1.2 健康研究中的AI应用：AI系统已用于检测青少年健康行为中复杂细微的模式、估计未来健康风险以支持早期个性化干预、基于实时数据提供反馈以支持自我监测与行为调整，游戏化AI干预还可根据运动反应与参与数据调整挑战水平。
1.3 青少年健康、福祉与健康行为中的AI聊天机器人：现有应用涵盖心理健康支持、性与生殖健康教育及慢性疾病管理；多数干预依赖文本聊天机器人，语音聊天机器人因学习成本低、免手操作而受到关注。直接考察青少年健康行为干预的实证研究仍有限且异质性大。本综述从设计、可行性、影响及安全与伦理四方面综合相关文献，识别研究空白与未来方向。
2.1 综述设计与范围：本叙述性综述以概念方式组织异质证据，未进行荟萃分析（因技术、人群、对照及结局指标异质）。
2.2 信息来源与检索策略：检索经路易斯安那州立大学（Louisiana State University, LSU）图书馆发现服务（EBSCOhost）进行，覆盖2019年至2026年3月11日。检索含四个概念组（体力活动/运动/体能；AI/人工智能/机器学习/深度学习等；干预/策略/治疗；儿童/青少年/青年），后续检索明确针对会话系统并结合健康及行为术语。广泛检索识别1163条记录，排除意见类文章及学龄外人群后剩1112条，经EndNote 21.5去重（55条）后剩1057条唯一记录；Q.T.完成筛选、资格评估、数据提取与初步综合。
2.3 资格筛选与证据分类：直接青少年证据指参与者10~19岁或单独报告该年龄组结果的研究；涉及年幼儿童、成年人、混合年龄或不明确人群的研究标记为间接/可转移证据。AI聊天机器人须同时满足（1）对话式用户界面与（2）有文档记录的已学习组件；心理健康等敏感健康研究仅用于识别可转移安全考量。
2.4 研究局限性的描述性总结：鉴于研究异质性，未进行正式偏倚风险或质量评估，仅从样本量、代表性、结局测量（客观vs自报）、对照与混杂、脱落、随访等方面描述性总结局限性。
2.5 叙述性综合：按人群、技术、健康行为、可行性、行为影响及安全与伦理分组比较，未计算合并效应量。
3.1 设计：青少年健康促进AI聊天机器人已从基于规则、单一功能系统转向自适应、情境感知、理论指导设计，三项反复出现特征为自适应个性化、情境提示与理论指导对话。
3.1.1 自适应个性化：系统依据用户特定交互模式调整语气、节奏与内容。例如行为追踪模块分析既往回应以调整会话语气（鼓励式vs指令式）与频率以防过载；基于聚类的系统中交互节奏相异的用户收到不同版本饮食反馈。青少年研究中自适应调整主要作为调节交互负担、维持参与的机制，而非明确以行为改变为优化目标；一项研究采用用户中心设计流程开发整合AI聊天机器人、可穿戴设备、应用、网络与元宇宙组件的校园智能健康服务。
3.1.2 情境提示：情境感知系统在健康行动最可行时刻传递提示，如仅在久坐达预定义阈值（持续不活动）时发送PA提醒，或在放学后等高机会时段传递提示以减少信息负担；亦应用于饮食，如食物助手在日常用餐决策时刻传递食物情境嵌入交互。即时自适应干预（Just-in-Time Adaptive Interventions, JITAIs）据用户状态与情境调整支持，例如智能手表检测的不活动可触发聊天机器人询问是否进行简短活动休息；时机与内容应遵循明确决策规则，固定提醒本身不构成JITAI。
3.1.3 理论指导对话：系统将行为改变理论或结构化知识模型嵌入对话。突出方法为嵌入行为改变技术（Behavior Change Techniques, BCTs）以搭建目标设定、自我监测与自我调节，如微干预式简短高频提示要求用户承诺小而具体日常目标并强化跟进；大语言模型驱动的营养AI聊天机器人动态定制建议。青少年与儿科研究提供更直接证据：BCT知情微提示为青少年明确撰写且具发育适宜措辞与节奏，对话结构可概念化为简短可重复序列（提示-回应-强化）；Tess通过重复签到与辅导交换实施儿科AI行为辅导；另有研究将自我决定理论（Self-Determination Theory）与自我调节理论（Self-Regulation Theory）嵌入结构化行为管理序列，支持青少年设定具体、可测量、可实现、现实相关、及时（SMART）目标、追踪行为、记录反思并接收AI生成反馈（虚拟教练），覆盖PA、屏幕时间、饮食与睡眠。青少年参与共同设计虽不常见，但有助于塑造措辞、节奏、语气与动机特征。
3.2 可行性：证据提示可行性，但多来自小样本、短期、非对照或描述性研究，应作初步解释。
3.2.1 参与度和保留：部分短期研究记录观察期内的重复使用。例如Tess在约10~12周内提供频繁持续参与（269次对话）与高自报满意度；一项评估ProudMe Tech（支持PA、屏幕时间、饮食、睡眠的AI辅助网络应用）的8周单臂试点纳入172名中学生，平均每参与者8.9次行为条目、30次反思与33条AI反馈消息，记录超6000个日常目标，约64%达成（自报）。
3.2.2 可用性和可接受性：研究采用分步交互、简化提示、降低识字要求，并强调非评判性语气、情感安全与结构化会话空间。青少年focused研究显示R-Ma Bot用户满意度高且会话清晰度获好评，可接受性取决于具体可操作指导、个性化反馈与文化相关信息；一项针对17~25岁人群的营养推荐应用报告良好用户体验信号；另一研究报告大学生对研究程序与辅导会议的依从性，为所评估的人-AI睡眠辅导模型提供可转移可行性证据。
3.2.3 技术可行性：证据有限且分布不均。有研究整合AI聊天机器人、可穿戴设备、应用、网络与元宇宙组件开发智能健康系统，主要关注系统开发与可用性；原型系统整合大语言模型与检索增强生成，从结构化营养知识生成个性化饮食建议，展示可转移架构，但可靠性与可用性需进一步评估。
3.3 影响：行为影响证据有限且在健康行为领域混杂，多数研究评估短期或可行性结局。
3.3.1 体力活动：青少年focused AI聊天机器人试验尚未显示客观测量PA或体能改善；ProudMe Tech中自报PA 8周内无显著前后变化（p = 0.20），非对照设计不允许得出效力结论。
3.3.2 饮食摄入：结果混杂。一项两周单组研究报告青少年含糖饮料摄入减少（无对照组无法归因）；一项非对照校园研究报告自报水果和蔬菜摄入量从每日5.7份（SD 3.8）降至5.2份（SD 3.5）（p = 0.02），为潜在不良结局但无法归因；一项家庭可行性试验报告家长感知提示支持更健康行为但未确立直接效应；一项大型随机试验（短信式）提供互补证据但不能确立AI驱动会话干预效力。总体而言证据未确立青少年饮食效力。
3.3.3 屏幕时间和睡眠：直接证据罕见。ProudMe Tech报告自报屏幕时间下降而睡眠无显著变化（无对照组无法归因）；客观测量变化的研究少，效力证据仍有限。
3.4 安全和伦理：三项反复问题为准确性与错误信息、隐私与数据治理、明确升级与安全协议。未报告不良事件不应解释为安全性证据。
3.4.1 准确性和错误信息：AI聊天机器人展示表面正确性但常未提供精确、医学适宜或发育适宜推荐；生成饮食计划可遗漏必需营养素并含误导性概括；回应常基于关于"健康"饮食、体重与体型的社社会规范或理想化假设，对有饮食障碍症状或其他脆弱性青少年尤其成问题。检索增强生成（Retrieval-Augmented Generation, RAG）可将回应基于经专业审核的儿科指南以减少无支持建议，但不保证准确性或安全性。
3.4.2 隐私和数据治理：多项研究对用户信息收集、存储、处理或共享细节有限；有研究发现生成式AI心理治疗聊天机器人隐私政策难懂、对模型训练透明度低、风险监测评估表现不佳；透明度不足可能削弱信任并限制安全使用。
3.4.3 明确升级和安全协议：缺乏升级机制是重大局限；AI聊天机器人对青少年紧急健康问题的升级需求识别不一致、转介有限，且某些治疗与陪伴AI聊天机器人明确认可虚构痛苦青少年的有害或不明智建议，支持需要明确升级规则与临床监督。
讨论综合了针对青少年PA、饮食、屏幕时间和睡眠的AI聊天机器人干预证据。尽管仅有限研究明确聚焦青少年，现有证据提示AI聊天机器人方法在所选样本与时间段内似乎可行和可接受，但多基于小样本、短期、非对照或描述性研究，不能外推为一般结论；当设计包含自适应个性化、支持性语气与发育适宜交互策略时方法似乎更有前景，而行为改变证据有限、混杂且各领域不均。研究空白包括：实证研究数量少、样本小、周期短且多为可行性设计，限制统计效力，随机意向治疗（intention-to-treat）发现应比非对照前后变化或符合方案（per-protocol）发现更受重视；证据多依赖自我报告而客观指标少；证据在行为领域与人群分布不均，数字获取（设备、网络、数据成本、语言、残障可及性、数字素养）可能限制参与；发育适宜性、公平性与负责任实施保障关注不足。未来方向包括：考察干预能否同时影响多种健康行为；纳入客观与技术赋能测量（如将Fitbit数据整合进AI聊天机器人反馈回路）；优先开展与青少年和利益相关者的理论指导共同设计（自我决定理论提示聊天机器人可通过有意义的目标选择支持自主性（autonomy）、通过可达成目标与具体反馈支持能力感（competence）、通过尊重共情对话支持关联感（relatedness）），并关注服务不足群体以避免扩大健康不平等；在效力更明确后开展严格效力试验并考察实施、覆盖率、可持续性与可扩展性，且需注意交付环境与招募环境的区分（通过学校招募学生不一定意味着干预整合）。
结论：现有证据为选定样本中的可用性和短期参与提供初步支持，但未确立青少年的一般可接受性、持续参与或行为效力；自适应个性化、情境提示和理论指导对话为常见特征；行为影响证据有限（饮食有某些短期发现，PA、屏幕时间和睡眠证据较弱）；安全问题仍存，尤其围绕错误信息、隐私与升级程序。
