面向健康老龄化的AI赋能创新系统性共同设计:一项涉及痴呆症护理社交辅助机器人的演示研究

《International Journal of Environmental Research and Public Health》:Systematic Co-Design of Artificial Intelligence-Enabled Innovations for Healthy Aging: A Demonstration Study Involving Socially Assistive Robots for Dementia Care

【字体: 大 中 小 】 时间:2026年08月05日 来源:International Journal of Environmental Research and Public Health CS8.5

编辑推荐:

  人工智能(AI)赋能技术为支持健康老龄化和老年人的长期护理需求提供了新机遇。然而,包容性实践对于确保将这些新兴技术的设计和部署纳入无障碍性、可用性、隐私性和公平使用至关重要。本文探讨了共同设计在健康技术开发中的作用,并重点介绍了三种方法学工具的应用——美国国立

  
人工智能(AI)赋能技术为支持健康老龄化和老年人的长期护理需求提供了新机遇。然而,包容性实践对于确保将这些新兴技术的设计和部署纳入无障碍性、可用性、隐私性和公平使用至关重要。本文探讨了共同设计在健康技术开发中的作用,并重点介绍了三种方法学工具的应用——美国国立卫生研究院(NIH)行为干预开发阶段模型、技术接受与使用统一理论(UTAUT)和目标实现程度(GAS)——以创建一种基于智能家居的社交辅助机器人(SAR),用于护理患有阿尔茨海默病及相关痴呆症(ADRD)的个体。来自一项正在进行的混合方法试点可行性研究的10名参与者(五对护理者-被护理者双人组)在他们家中对SAR进行了1至6个月的试用,该机器人根据他们的日常功能、房屋布局和护理需求进行了个性化设置。对每月访谈的定性分析得出了涉及技术设计、护理协议设计、培训管理和补充护理的主题。这些主题结合目标实现分析,提供了几点见解,使研究人员能够迭代地扩展并完善针对ADRD护理量身定制的技术。本研究为未来旨在提高老年人对AI赋能健康技术采用的共同设计工作提供了一个实用框架。
随着全球人口老龄化趋势加剧,利用人工智能(AI)赋能技术开发辅助工具以支持健康老龄化和居家养老的需求日益显著。然而目前存在一个“数字悖论”:即最能从技术中受益的老年群体往往最不可能采用这些技术。许多AI技术在开发过程中极少让预期的最终用户参与,这引发了关于技术可及性、可用性、隐私、公平性及伦理方面的严重担忧。尽管社交辅助机器人(SAR)已被研发多年,但其在居家环境中为阿尔茨海默病及相关痴呆症(ADRD)患者提供自主护理的应用仍然有限。为解决上述问题,研究人员开展了这项研究,旨在通过深入的共同设计框架开发并评估一种基于智能家居的SAR系统。该项研究成果发表在《International Journal of Environmental Research and Public Health》上。该研究证明了将最终用户纳入技术开发全过程能够显著提升产品的可用性和伦理契合度,对推动数字健康技术向临床和家庭场景的转化具有重要意义。

在关键技术方法方面,研究人员整合了美国国立卫生研究院(NIH)行为干预开发阶段模型、技术接受与使用统一理论(UTAUT)和目标实现程度(GAS)三种方法学工具。NIH模型被用作 participatory action approach 来指导技术共同设计的迭代阶段;UTAUT框架通过性能期望、努力期望、社会影响、便利条件、焦虑和信任等构念识别技术采用的决定因素;GAS则作为以客户为中心的工具,用于评估和记录参与者个性化的目标实现程度。研究样本队列共包含10名参与者(五对护理者-被护理者双人组),其中四对双人组的被护理者患有ADRD,另一对则无相关经验。研究人员开发了名为具备智能感知的移动辅助机器人(MARSS)的系统,并在这些参与者的家中进行了为期1至6个月的试用测试。数据收集主要采用基于UTAUT构念制定的半结构化访谈,并结合了常规内容分析法和GAS目标量表进行综合评估。

在研究结果方面,研究得出了以下四个主要的共同设计主题:

技术设计
通过分析参与者在家庭环境中试用MARSS后的反馈,研究发现技术可靠性直接影响了护理者对努力期望的感知。早期的导航问题(如卡在地毯上、移动不可预测)会导致护理负担加重。此外,沟通提示音量难以听清或指令格式不友好也成为了障碍。针对这些技术障碍,研究团队改进了机器人的低矮障碍物通行能力、自主停靠 Docking 算法、导航技术并优化了双向通信功能,同时增强了技术人员对机器人技术参数的远程实时监控能力。

护理协议设计
研究发现,死板的时间触发护理协议不符合ADRD日常护理的实际复杂性。系统引入了灵活、情境敏感的护理协议,例如在患者醒来时而非预设固定时间启动晨间程序。通过基于计算机视觉的活动识别算法,系统能够识别进食、服药等任务,并创建了供护理者核对的活动清单。针对家庭中视觉监控引发的隐私和尊严担忧,研究团队强化了基于局域网的数据本地处理,将监测限制在绝对必要的空间内,确立了隐私保护的系统边界条件。

培训管理
研究表明,并非所有护理者都天然具备引入和采用SAR的能力。研究团队采取了让护理者先在实验室接触SAR、演示具体场景和样本协议的策略。研究发现SAR的护理协议必须适应ADRD不断变化的复杂性。在信任与期望方面,护理者并未对系统寄予无限信任,而是将其视为特定任务的有限辅助工具,明确认知机器人无法取代人类护理者的角色和联结。

补充护理
研究结果指出,当MARSS能实质性地减轻药物提醒等重复性日常护理任务负担时,护理者认为该技术最具价值。当机器人支持患者独立进行某些活动时,其有用性尤为突出。然而,患者抗拒或认知能力不足会削弱系统效果,这要求护理活动必须与患者的认知能力和兴趣相匹配。

在目标实现结果方面,三对ADRD双人组的数据显示,随着技术可靠性的提高、护理协议向情境触发模式的转变以及护理者期望的合理调整,参与者的总体目标实现程度呈现递增趋势。计算机视觉防跌倒检测等特定干预措施成功记录到了两次真阳性干预实例。

在讨论部分,研究阐明了共同设计在SAR开发过程中的关键作用,指出短暂实验室接触不足以克服老年人的数字鸿沟,而长期真实的居家体验提供了深刻见解。定性数据与GAS结果的收敛证实了共同设计的有效性。研究进一步对系统进行了双效改进,包括通过大语言模型约束系统提示词以实现安全的助手功能,以及通过仅保留本地文本转录而弃用视音频流做强有力的隐私捍卫。研究强调,SAR在痴呆症护理中的成功部署不仅取决于其功能,更取决于其可靠性、最小侵入性及对居家护理现实的响应性。最终研究结论表明,积极优化目标行为的共同设计过程能够强化未来老龄人口对AI技术的采用。所提出的结合多种理论方法的共同设计框架具有可复制性、可扩展性和适应性,为未来的数字健康创新技术提供了一条将系统迭代改进贯穿始终的实用路径,有利于提高临床实践价值和患者护理水平。
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