《Sage Open》：Artificial Intelligence and Caregiving for Persons With Dementia: A Systematic Review
编辑推荐：
近一千二百万美国家庭成员为患有阿尔茨海默病及相关痴呆症（ADRD）的家庭成员提供照护，满足其日常身体和心理社会需求。照护痴呆症家庭成员所带来的负担可能导致不堪重负的压力，并对照护者的身心健康产生不利影响。临床医生和研究人员均在持续探索减轻照护者负担并维持家庭照
近一千二百万美国家庭成员为患有阿尔茨海默病及相关痴呆症（ADRD）的家庭成员提供照护，满足其日常身体和心理社会需求。照护痴呆症家庭成员所带来的负担可能导致不堪重负的压力，并对照护者的身心健康产生不利影响。临床医生和研究人员均在持续探索减轻照护者负担并维持家庭照护者健康的策略。人工智能（AI），一种用于模拟人类学习、推理、问题解决和决策的新兴且不断发展的技术方法，正被应用于ADRD患者的照护中。本系统综述识别了当前AI在痴呆症患者照护情境中的应用。应用PRISMA模型，检索了八个数据库（AgeLine、APA PsycINFO、CINAHL、MEDLINE、Health Source、SocIndex、Psych & Behavioral Science Collection和PubMed），检索时间范围为2004年至2024年。在去除重复文献和不符合纳入/排除标准的研究后，对15篇文章进行了主题分析。涌现出三类AI应用：机器人技术、沟通和干预。尽管许多研究规模较小、参与者人数少，且主要考察使用AI的可接受性或可行性，但研究人员对纳入研究的质量和偏倚风险评估表明，73%为高质量（即低偏倚风险），27%为中等质量（即中等偏倚风险）。随着AI知识的不断发展，转变和改善痴呆症患者照护的潜力呈指数级增长。
老年人口的持续增长导致了年龄相关疾病如阿尔茨海默病及相关痴呆症（ADRD）的患病率增加，该类疾病涉及不可逆的脑损伤或脑细胞死亡。该疾病影响患者的批判性思维、记忆、行为和判断力，并干扰其日常活动能力。统计数据显示，痴呆症的发病率随年龄显著增加，预计到2030年全球痴呆症患病率将达到7800万。此外，与其他慢性疾病相比，痴呆症通常与更长的照护持续时间相关。痴呆症患者在满足其心理社会和生理需求方面表现出更高水平的照护依赖。
非正式照护者提供了最大量的痴呆症照护，而这些痴呆症患者的照护者面临着显著高度的身体、经济和心理压力。美国有近一千二百万痴呆症患者的家庭照护者，累计提供1840万小时的照护，估计经济成本超过3460亿美元。痴呆症患者的照护者提供不同类型的照护，包括个人护理、日常活动支持、家务管理、药物管理、与医疗服务提供者协作、管理财务交易等活动。照护任务复杂且具有挑战性，可能对照护者的健康和福祉产生不利影响。这些非正式照护者由于照护相关的慢性压力，面临更高的焦虑、抑郁和身体健康问题风险。这反过来可能损害其继续承担照护角色并提供最佳照护的能力。大多数痴呆症患者的照护者报告称对自己的责任和角色缺乏准备，缺乏执行满足痴呆症患者需求所需任务的培训和知识。迫切需要支持痴呆症患者的照护者；临床医生和研究人员都在努力寻找减轻照护者负担和维持家庭照护者健康的策略。
人工智能的潜在益处。人工智能（AI）是一种新兴且不断发展的技术方法，用于模拟人类的学习、理解、推理、创造力、问题解决和决策等过程，近来已被应用于阿尔茨海默病或其他痴呆症患者的家庭照护中。AI在改善痴呆症患者照护及其照护者生活质量方面展现出巨大前景。AI有潜力为家庭照护者提供各种资源和工具以满足其需求和责任，并作为增强照护体验的可行方法。这些益处可以在管理照护活动、个性化信息和监测痴呆症患者状况方面帮助痴呆症患者的照护者。将AI整合到照护中在照护者支持方面带来了新的机遇和挑战；持续适应和评估对于充分满足痴呆症患者家庭照护者的复杂需求至关重要。目前，识别AI在痴呆症患者照护中应用的系统综述有限，这在研究人员对该人群中AI使用的理解方面形成了空白。
痴呆症患者照护中的AI研究。一般而言，系统综述是对特定主题现有研究的全面分析，在本例中即AI与痴呆症患者照护。系统综述应用明确且可重复的方法来识别、批判性评价和综合多项研究的证据。因此，系统综述的主要目标是在结构化框架内提供对所讨论主题的全面且无偏见的总结，在该框架中收集和评估研究证据以回答特定研究问题。据此，本综述所解决的研究问题是“AI目前如何被用于痴呆症患者的照护？”因此，本综述的一个重要方面是对现有研究的系统性综合，以产生AI对痴呆症患者照护影响的全面分析。
目的。本系统综述的目的是识别AI目前如何在痴呆症患者照护情境中被应用。对于本综述，研究人员仅选择那些作者在描述其研究时明确使用“人工智能”一词的文章，而非试图对其工作进行任何解释。研究人员审查了在过去二十年（2004年至2024年）中该主题领域已发表的研究。选择这一特定时间范围是因为AI的基本概念最早于2000年代初开始出现在医疗保健和老年学文献中。研究人员将检索延伸至2024年以确保纳入应用于照护的最新和先进AI系统（例如生成式AI模型）。未限制特定地理区域以提供全球视角。
方法。伦理与知情同意。由于本研究属于系统综述性质，研究过程中未使用人类受试者；因此，无需机构审查委员会的伦理批准或人类受试者同意的要求。由于所使用的数据均来源于先前发表的同行评审文献，通过使用符合APA伦理原则和Sage指南的文献，将研究参与者的伤害风险降至最低。
设计。本系统综述以系统综述和荟萃分析首选报告项目（PRISMA）框架为指导，该框架规定了综述中文章识别、筛选、纳入和排除的结构化模型。PRISMA指南列出了系统综述过程中涉及的八个步骤：识别相关数据库、定义检索词、指定纳入/排除标准、审查文章标题、去除重复文章、应用研究标准、根据需要审查摘要和全文、分析模式（例如主题）以及解释。
检索策略。为捕获关于AI与痴呆症患者照护的最广泛已发表研究，研究人员检索了八个数据库。在每个数据库内，研究人员使用一致的检索词（即关键词）。输入的关键词包括“人工智能（或AI或A.I.）”，使用布尔运算符“和”将其与“家庭照护者”连接，并使用布尔运算符“或”同时检索“非正式照护者”作为替代。接下来，输入“阿尔茨海默病”、“痴呆症”和“认知障碍”等术语，用布尔运算符“或”分隔，以便检索中可包含任何这些术语。
纳入标准。为纳入本系统综述，研究人员指定了以下纳入和排除标准。文章必须发表于2004年至2024年间且以英文撰写。文章必须是单一研究的描述。综述文章和荟萃分析被排除。研究必须以某种方式涉及AI的使用。研究背景必须特定于非正式照护者（即家庭成员）对痴呆症患者的照护。文章中描述的AI使用必须与照护者直接或间接相关（例如，如果AI用于照护接受者，则研究中必须描述照护者的某种参与或对照护者的影响）。被撤回的文章被排除。因此，文章必须包含痴呆症患者的非正式照护者作为研究参与者。
选择过程。使用检索策略从八个数据库中识别的所有文章（N = 140）由第一作者评估 eligibility，随后由第二作者审查。在进一步筛选之前，去除重复和被撤回的文章（分别为N = 25和N = 1），留下114篇文章进行进一步审查。两位作者对文章标题和摘要进行了进一步筛选。在下一步中，又排除了49篇文章。排除的文章包括13篇超出数据范围、3篇非英文撰写、17篇综述文章、10篇非研究性文章以及6篇与痴呆症患者照护不特别相关。在此额外筛选后，剩余65篇文章进行进一步审查。由于下一步涉及两位作者的全文审查，又排除了4篇无法获取全文的文章。全文审查是系统综述过程的关键部分，因为它确保纳入的研究符合所有预定义的 eligibility 标准。去除这4篇额外文章后，剩余61篇进行进一步分析。在全文审查后，作者同意排除另外46篇文章。研究人员发现其中35篇文章不涉及AI，尽管它们可能建议在未来研究中对其进行考察。6篇文章仅关注痴呆症患者而与照护者无关。一项研究涉及专业（即正式、有偿）照护者。另外两项研究涉及非照护者，一项描述了在非照护者中对基于AI的系统进行beta测试，另一项评估了AI驱动的系统以提醒护理机构工作人员注意跌倒。另一篇文章关注一位有认知障碍的照护者。一篇文章是已发表的摘要。排除这46篇文章后，研究人员最终获得15篇纳入最终综述的研究。
数据提取。作者独立工作以从15篇纳入研究中提取相关数据。提取数据以编制表2，包括作者、出版日期和国家、研究设计和样本、目的、AI形式的描述、主要发现、指示AI使用的主题类别以及未来研究的启示/建议。这些提取领域的选择与综述目标一致，以及研究中发现的关键变量。作者之间未发现数据提取的差异。
批判性评价与偏倚风险。作者独立审查了15项研究中的每一项，使用改编版的批判性评价技能项目标准评估其整体质量和偏倚风险。这些标准经改编用于评价定性、定量和混合方法研究。因此，定性研究有三项标准，定量研究有三项标准，混合方法研究有全部六项标准。基于研究人员的批判性评价，73%（N = 11）被归类为高质量（低偏倚风险），27%（N = 4）被归类为中等质量研究（中等偏倚风险）。
综合方法。本系统综述采用Joanna Briggs研究所提出的收敛整合分析框架来综合纳入研究的数据。在数据综合过程中，通过检查纳入研究主要发现之间的差异和相似性，推导出与AI在痴呆症患者照护中应用相关的主题。此外，随着子主题的出现对其进行抽象，以解决发现中更具体的方面。在此综合中，研究间的差异和共性均被用于识别AI在痴呆症患者照护中的使用模式。
结果。纳入研究的特征（N = 15）。大多数纳入研究发表于较近期，即2024年（N = 4）、2023年（N = 4）和2022年（N = 4），主要地点为美国（N = 8）。过去十年发表的大多数研究表明AI在痴呆症患者照护中应用的增长趋势。五篇文章描述了定量研究，八篇描述了定性研究，两篇使用了混合方法。四项为试点研究。三项研究侧重于工具或项目开发。纳入研究的样本量相当小，范围从1到111。在15项纳入研究中，八项仅涉及非正式照护者，另外两项还涉及痴呆症照护接受者，五项除非正式照护者外还包括其他参与者（例如医务人员）。纳入研究纳入了多种AI技术。机器人是最常用的AI形式（N = 5）。若干研究使用了数字平台、机器学习和AI算法。两项研究使用了ChatGPT。其他AI相关程序和工具纳入单项研究中。
AI在痴呆症患者照护情境中的主题分析。从本系统综述中识别出三类AI。最大类别反映干预（N = 6），其次是机器人技术（N = 5）和沟通（N = 4）。在沟通类别中，研究涉及使用ChatGPT为痴呆症患者及其照护者提供问题回应或寻求资源信息、使用AI与远程照护者沟通，以及使用AI应用程序通过虚拟编程改善照护者与照护接受者之间的沟通。这些研究主要在美国进行（N = 3），一项在爱尔兰。在机器人技术类别中，研究涉及使用社交辅助机器人用于家庭安全、在焦点小组中、作为伴侣、协助照护以及提供信息。这些研究分别在美国（N = 1）、印度（N = 1）、英国（N = 1）、瑞士（N = 1）和奥地利（N = 1）进行。本系统综述显示，40%的研究（N = 6）在痴呆症患者照护情境中使用AI反映干预的开发、使用或测试。其中四项研究在美国进行；其他来自日本和英国。在六项使用AI的干预研究中，两项涉及对痴呆症患者（即照护接受者）的干预，另外四项考察直接协助痴呆症患者照护者的干预。两项针对痴呆症照护接受者的AI驱动干预的目标是通过认知刺激促进参与、互动和与他人（例如照护者和工作人员）的沟通，以及使用环境传感器管理问题行为（即游走）。四篇文章涉及被认为对照护者在其照护角色中有益的AI干预。虽然这些文章均未侧重于满足痴呆症患者的基本身体照护需求，但它们旨在执行与工具性日常生活活动相关的重要照护任务。第一项针对痴呆症患者照护者的干预旨在使用AI驱动资源提供财务和法律信息。第二项干预侧重于使用文化敏感的基于AI的词典促进社会支持。第三项针对痴呆症患者照护者的干预目标是实施AI赋能的医疗决策工具。最后，第四项针对痴呆症患者照护者的干预是一个AI驱动的程序，教导痴呆症患者的照护者如何与医疗服务提供者协商医疗决策以避免或解决冲突。
讨论。本系统综述关于AI与痴呆症患者照护的文献显示，AI正被应用于增强沟通、实施机器人使用和开发创新干预。综述表明，基于AI的干预尤其可能有益于最小化照护者负担和压力，提高其生活质量，使其能够继续承担照护角色并预防或推迟照护接受者的不良结局。据此，在痴呆症患者照护领域，AI可能在不久的将来在为痴呆症患者照护者提供干预方面发挥关键作用，通过提供资源和支助促进照护，包括监测痴呆症患者福祉的策略。在检索数据库时，研究人员发现PubMed产生了113篇关于AI在痴呆症患者照护者中应用的文章，远多于其他数据库。PubMed是一个专注于健康和生物医学相关文献的专业数据库。对于研究人员的主题，即交叉技术（AI）和健康（痴呆症患者照护者），PubMed提供了相关文章的全面集合。该主题的跨学科性质可能自然与PubMed的关注点一致，导致相关文章的更高产出。此外，PubMed包括Medline，一个涵盖广泛医学期刊的主要书目数据库。未来的系统综述也应关注追踪不同数据库中文章发现的潜在比率。随着时间的推移，AI技术及其在照护情境中的应用很可能在健康科学数据库中继续增长。本综述的主要目标是评估AI技术如何在非正式照护者为痴呆症患者提供照护的情况下被使用。本综述纳入的所有15篇文章提供了可用于展示AI技术如何影响现实世界照护者情境的数据，因为研究人员的纳入标准仅限于非正式照护者。通过这种对非正式照护者的关注，综述识别了AI改善照护者生活质量的有效方式。15项研究均聚焦于非正式照护者；然而，许多研究还包括照护接受者或专业照护者，从而提供了对照护整体环境的更完整视角。一些研究反映了AI在早期开发阶段（即试点研究）的应用，未能产生涉及照护者的临床试验证据，因此难以评估AI解决方案的可用性和有效性。尽管AI可以通过从大量数据中捕获额外信息的能力提供更高的准确性，但本综述中的许多研究反映了早期开发阶段，可能导向干预，但目前侧重于评估技术可行性而非临床结局、照护者效应或照护者结局。这一差距凸显了在痴呆症患者非正式照护者中对AI解决方案进行真实世界测试的必要性。研究人员还排除了一些关于AI在早期痴呆症症状检测和诊断中使用的文章，因为它们仅涉及照护接受者而未对照护者或照护者结局产生直接影响，然而此类AI使用可能特别重要。大多数痴呆症病例由专业医疗服务提供者诊断，他们执行一系列临床评估，包括采集痴呆症症状的信息性病史和完整的体格检查。然而，诊断过程可能漫长且昂贵。通常，详细的认知评估或转诊至记忆诊所（在几乎所有国家需要数月时间，且往往有数月的长等待时间。尽管如此，AI可能拥有提供全球解决方案的最佳机会。它是一种可以帮助开发新的和可及的早期痴呆症症状检测方法的技术，这可能非常高效。本系统综述描述了各种形式AI在照护情境中的开发和应用，反映了三个不同主题。然而，尽管在主题类别中进行了讨论，类别本身可能并非截然不同。也就是说，机器人技术和沟通类别中的AI应用也可能反映干预形式。因此，三个主题并非互斥。相反，它们代表了整合AI解决方案以改善照护者体验的不同方法。例如，促进沟通并提供提醒的机器人助手既是沟通工具也是干预。然而，所有三个类别中AI应用的最终目标是通过减少孤立、增强社会互动和减轻照护负担来使照护者受益。无论AI应用如何，系统综述显示AI在减少孤立、增强社会互动和最小化痴呆症患者照护者负担方面具有潜在效果。综述结果表明，关注沟通和使用机器人技术可能帮助痴呆症患者的照护者获取相关资源、获得个性化健康信息，并协助照护者就其提供的照护做出知情决策。此外，研究人员发现机器人被成功用于帮助增加社会互动感知和改善积极情绪。理解三个主题类别（沟通、机器人技术和干预）之间的相互关系凸显了将AI技术整合到痴呆症患者照护中需要整体方法。在本系统综述中，研究人员纳入了2004年至2024年发表的研究，这确保了所收集的信息与综述进行时该领域的相关性，因此反映了最新进展。尽管2004年之前进行的研究被排除，但早期AI研究可能揭示了创新方法，在进一步评估后可能适用于照护。事实上，一些方法可能有助于理解研究人员未来如何将AI纳入照护情境。现有AI技术的有效性取决于照护者的体验，而AI评价与用户体验之间的关系仍不确定。
局限性。尽管本系统综述具有许多优势，包括严格应用PRISMA指南和大多数纳入研究的高质量，但仍存在一些局限性。考虑到仅选择了英文论文，研究人员可能遗漏了以其他语言发表的尖端研究。关键词也非穷尽性的。AI相关检索词“人工智能”可能遗漏了使用不同术语的技术。人工智能是一个涵盖多种技术的广泛概念，这些技术可能以不同名称被提及。然而，通过使用AI作为相关检索词，研究人员能够聚焦于被研究者定义为AI相关技术的研究。作为仅关注AI在痴呆症患者照护情境中应用的系统综述，本综述呈现了AI在照护中应用的有限视角。这一局限性限制了研究结果对不同照护人群的普适性。
未来方向。由于该领域研究的快速扩展，未来研究应解决隐私问题并确保技术用户友好且具有成本效益。它们应解决照护者的需求并与用户产生共情和伦理共鸣。这涉及开发和设计更多以照护者为中心的AI解决方案，让照护者参与设计和评估AI解决方案，以及克服当前AI应用的局限性。在照护情境中对AI的深入理解对于确保AI应用聚焦于真正重要的方面以支持痴呆症患者的照护者至关重要——在领域内鼓励创新文化并准备照护者有效利用AI。持续学习和适应性将是AI时代痴呆症患者照护的其他关键特征。通过整合AI驱动的工具在照护中沟通、互动和管理问题行为，照护者可以调整其责任并有效使用资源，减轻照护负担并增强福祉。在照护情境中利用AI可被视为帮助照护者提供更有效照护的工具。
总结与结论。总之，从本系统综述关于AI在痴呆症患者照护情境中使用的研究中涌现出三类AI应用。最大类别包括六项协助照护者执行日常照护任务的干预研究。第二类别涉及机器人技术研究，例如使用社交辅助或社交互动机器人照护痴呆症患者。第三类别侧重于改善照护者与其照护接受者之间沟通的AI应用。总之，如本系统综述所提示，AI应用于痴呆症患者照护在未来具有巨大前景。随着AI知识的不断发展，转变和改善痴呆症患者照护的潜力将呈指数级增长。本系统综述关于AI在痴呆症患者照护情境中使用的文献表明，该领域的研究可能仍处于起步阶段，许多基于AI的创新尚待识别和探索。
