虚拟智能体用于慢性病管理的行为改变技术、健康数据组合及其映射:一项系统性范围综述

《PLOS Digital Health》:Mapping behavior change techniques and health data combinations in virtual agents for chronic condition management: A systematic scoping review

【字体: 大 中 小 】 时间:2026年07月29日 来源:PLOS Digital Health 7.7

编辑推荐:

  心血管疾病、糖尿病与癌症等慢性病需要持续的生活方式改变与自我管理,然而传统照护模式对长期行为改变的支持有限。数字健康技术尤其是虚拟智能体(即通过言语与非言语线索模拟类人交互的计算机生成角色)为提供个性化、可扩展且连续的支持提供了新途径。然而,此类数字健康技术中

  
心血管疾病、糖尿病与癌症等慢性病需要持续的生活方式改变与自我管理,然而传统照护模式对长期行为改变的支持有限。数字健康技术尤其是虚拟智能体(即通过言语与非言语线索模拟类人交互的计算机生成角色)为提供个性化、可扩展且连续的支持提供了新途径。然而,此类数字健康技术中不同组件(包括慢性病干预所用组件)的选择与组合方式仍鲜有报道。研究人员开展了一项系统性范围综述,以映射在面向慢性病管理的虚拟智能体递送干预中,行为改变技术(BCT)、健康数据类型与交付渠道如何被论证、组合与应用。该综述遵循既有范围综述框架并依从PRISMA-ScR报告规范。2024年9月于PubMed、Scopus、PsycInfo、Web of Science与IEEE Xplore进行检索,21项研究符合纳入标准。研究人员考察了作者报告的干预设计论证依据,归类为理论驱动、实践驱动、经验驱动、混合或未明确陈述。极少研究解释为何选择特定技术,或健康数据与交付渠道预期如何交互。各研究中BCT虽被识别但常未显式标注。最常见的智能体递送技术为自我监测、反馈、行为执行指导及提示与线索。这些技术通常由主观自报数据(如症状、行为)、客观数据(如步数、血压)、依从性数据(如活动完成度)与用户偏好数据(如偏好的提醒时间)支撑。交付渠道包括智能手机或平板应用。本综述首次系统性映射了慢性病管理虚拟智能体干预中BCT—健康数据—交付渠道组合的应用方式,凸显了基础设计模式与报告缺口,强调需以透明、理论知情的方式报告以指导未来自适应循证数字健康工具的开发。
研究背景方面,心血管疾病、糖尿病、癌症等身体慢性病在全球范围内是高发致病与致死原因,其有效管理依赖患者长期生活方式改变与自我管理,如改善饮食、服药依从、增加体力活动、充足睡眠与定期健康监测。传统以定期面诊为主的照护模式在提供长期个性化反馈与辅导上存在局限,难以维持行为改变。虚拟智能体作为计算机生成的、通过言语与非言语线索模拟类人交互的角色,常以会话智能体(CA)或具身会话智能体(ECA)形式出现,充当虚拟教练提供结构化行为改变支持;其系统架构涵盖规则基(if-then逻辑)与人工智能(AI)驱动(机器学习与自然语言处理)两类,前者可预测但柔性不足,后者可实时个性化但面临可解释性与偏差挑战。既往综述指出,会话智能体在慢病中的应用虽增多,但干预组件如何选择与组合、健康数据如何融入、BCT如何标注均报道不足,且设计论证常缺理论锚点。为此,研究人员在《PLOS Digital Health》发表本系统性范围综述,将虚拟智能体干预解构为健康数据输入、BCT与交付渠道三交互组件,旨在映射其论证依据、组合方式及情境分布。
方法上,研究人员依Arksey和O'Malley框架联合Joanna Briggs Institute(JBI)指南开展范围综述,报告遵PRISMA-ScR。2024年9月检索PubMed、Scopus、PsycINFO、Web of Science、IEEE Xplore,采用PCC(人口、概念、情境)结构组配虚拟智能体、数字健康干预、慢性病术语,限英文同行评审全文,排除灰色文献;由三名评审独立标题摘要筛检(Cohen's κ=0.87),全文复核得21篇。数据提取模板融合BCT分类学v1、TIDIeR部分条目,BCT由第一作者依BCTTv1编码、第三人核对;健康数据按主观自报/客观传感/依从/偏好/情境分型;交付渠道单列。综合采用Excel描述统计与Elo-Kyng?s质性内容分析,将设计论证归为理论驱动、实践驱动、经验驱动、混合、未明示五类,并在概念模型(Fig 1)下图表化三组件组合。
研究结果部分,检索得1867条去重1180条,筛后21篇入选(RCT 12、观察6、混合2、试点1);病种覆盖癌症6、心血管/心脏7、糖尿病5,其中2项多病共存,全部居家场景。虚拟智能体81%为规则基CA/ECA,24%为含AI的混合(意图识别或NLP+IoT),无全自主生成式AI,AI特征均2019年后出现。关于干预设计论证与元素,仅19%理论驱动、9.5%实践驱动、14.3%经验驱动、38.1%混合、19%未明示;仅3项(14.3%)部分串联BCT—数据—渠道三者关系,多数仅整体述由不释组件级因由。关于虚拟智能体递送BCT、健康数据及交付渠道组合的使用,所有干预至少经智能体递送1项BCT;自我监测(76.2%)多采对话打卡收主观(症状/情绪)与客观(步数/体重/血压)输入,渠道为嵌入式移动/平板应用聊天;行为反馈(66.7%)紧随监测数据生成摘要或趋势回应;行为执行指导(71.4%)由智能体出教育文案或计划,依主观主诉定制;提示与线索(61.9%)借推送/每日打卡绑定主观漏填、客观久坐或依从与偏好时间,渠道扩至Telegram、Facebook Messenger及1例智能音箱;目标设定、社会支持、奖励、问题解决仅28.6%涉猎且多在混合系统。健康数据主观自报(症状/副作用/心情)在癌痛组占优,心血管代谢组叠客观生理(血压/血糖/体重)+依从,无跨病固定配方。交付渠道绝大多数为智能体嵌入的移动/平板App,少数直连消息平台或音箱。
讨论部分,研究人员指出设计论证在组件级普遍缺失,即便引理论亦未落至BCT选配,与Martinengo等所述仅26%会话智能体干预受行为理论指导相呼应,且BCT显式标注率低、需自描述推断,延续该领域可复现报告短板。组件组合呈“监测—行动—强化”基底逻辑(自我监测+反馈+执行指导+提示),高阶技术(问题解决等)仅在自适应系统中层叠,提示BCT数种与嵌合流协同或优于孤立堆砌。反馈与执行指导同时承担数据输出载体,模糊了BCT与系统功能的边界,引发BCT应否视为离散组件或整合交互过程的再思。条件特异性数据模式(癌痛偏主观、心代谢主客观混用)初显但未成证据级策略。AI增强虽伴BCT复杂化趋势,但规则基亦可承载问题解决,说明架构非决定因素。面向生成式AI兴起,研究人员主张用BCTTv1显式标注、阐明数据—BCT—渠道链路,借AI影响沟通模型(AI-ICM)等框架对齐理论与功能。
结论翻译:本综述表明,尽管面向慢病照护的虚拟智能体干预日益融合行为改变技术、健康数据与数字交付渠道,上述元素如何被论证与整合仍存在显著缺口。研究人员提供了首张虚拟智能体慢病干预中BCT—健康数据—交付渠道组合的系统映射,辨识出设计模式:自我监测、反馈、行为执行指导与提示线索为跨干预最常见基底BCT,更复杂技术与自适应架构见于子集(尤AI增强系统)。为促未来研究的透明与可复现,建议干预研究以BCTTv1等标准分类显式报告BCT,明晰健康数据如何定制智能体交互,并结构化描述BCT、健康数据输入与交付渠道在智能体架构中的整合方式。此类报告将便利跨研究比对,支撑针对异质慢病情境的循证设计策略发展。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号