《Frontiers in Public Health》：Evaluation of an AI-assisted digital health follow-up system integrating humanistic care for patients undergoing chemotherapy: a prospective quasi-experimental study
编辑推荐：
摘要
背景：化疗给患者带来巨大的躯体和心理负担，可能降低治疗依从性和生活质量。传统随访往往碎片化、反应滞后且个性化不足。人工智能（AI）可能改善连续性、响应性和以患者为中心的护理；然而，其与人文关怀的整合仍有待探索。方法：这项前瞻性、单中心、类实验研究于2
摘要
背景：化疗给患者带来巨大的躯体和心理负担，可能降低治疗依从性和生活质量。传统随访往往碎片化、反应滞后且个性化不足。人工智能（AI）可能改善连续性、响应性和以患者为中心的护理；然而，其与人文关怀的整合仍有待探索。方法：这项前瞻性、单中心、类实验研究于2024年1月至6月开展。共189名化疗患者被分配到AI辅助随访组（n=96）或常规护理组（n=93）。由护士监督的AI辅助随访系统整合了基于规则的风险监测、基于DeepSeek的大语言模型辅助交流、个性化随访及数据可视化。结局指标包括自我管理能力、生活质量（QoL）和患者满意度。组间比较采用独立样本t检验，并通过协方差分析进行校正分析。结果：3个月时，AI辅助组的自我管理能力评分（168.83±7.03 vs. 150.11±7.39）、QoL评分（66.34±4.30 vs. 59.81±4.46）及满意度评分（52.35±2.44 vs. 48.75±2.48）均高于常规护理组（所有P<0.001）。随访完成率为96%，24小时响应率为98%。在214个生成的警报中，87.4%经临床验证。结论：与常规随访相比，由护士监督的AI辅助随访系统具有可行性，并与更好的短期患者报告结局相关。其显著特征在于将基于规则的风险管理、大语言模型辅助交流及可操作化的人文关怀整合到闭环肿瘤护理工作流程中。需要开展随机多中心研究以确认这些发现。
**论文解读：基于人文关怀的AI辅助数字健康随访系统对化疗患者的评估**
**研究背景、问题与意义**
癌症是全球发病率和死亡率的主要原因之一，化疗作为综合治疗的核心手段，常伴随疲劳、疼痛、恶心、免疫抑制及焦虑等不良反应，严重影响患者生活质量（QoL）和治疗依从性。传统肿瘤随访主要依赖定期门诊或电话，存在信息传递滞后、个性化不足、难以捕捉动态需求等缺陷。近年来，人工智能（AI）与数字健康技术的进步为将随访从被动模式转变为主动、数据辅助且情感支持的模式提供了可能。然而，现有AI辅助系统多聚焦于信息传递或症状追踪，忽视了同理心与情感支持这些人文关怀的核心要素。Waston的人类关怀理论强调护理不仅是技术实践，更是以同理心、同情心和整体照护为中心的人文学科。基于此，该研究团队开发了一种由护士监督的AI辅助数字健康随访系统，整合了基于规则的临床风险分层、基于DeepSeek大语言模型（LLM）的辅助交流以及可操作化的人文关怀，旨在评估其可行性及短期结局关联。该研究发表于《Frontiers in Public Health》。
**关键技术方法**
该研究为前瞻性、单中心、类实验设计，于2024年1月至6月在青岛大学附属医院进行。共纳入189名化疗患者，根据患者意愿和临床排班分配至AI辅助随访组（n=96）或常规护理组（n=93）。AI辅助系统包含三个核心模块：（1）基于规则的临床决策支持：通过预设阈值处理结构化症状报告，实现风险分层并生成警报；（2）DeepSeek大语言模型辅助交流：处理患者自由文本输入，生成患者友好的解释、同理心回应及标准化健康教育信息，但不得独立诊断、开药或修改治疗方案；（3）护士监督与人文关怀：所有警报由训练有素的肿瘤科护士复核，护士可修改或否决AI生成内容，并决定是否进行电话随访、门诊评估或转诊医师。人文关怀通过标准化同理心回应模板、情绪困扰筛查、个性化安抚及护士主导的心理社会随访实现。主要结局包括自我管理能力（采用研究专用20项问卷，0-200分）、生活质量（采用EORTC QLQ-C30全球健康状态/QoL量表，0-100分）和患者满意度（采用研究专用12项问卷，0-60分）。统计分析采用独立样本t检验和协方差分析（ANCOVA），校正年龄、性别、癌症类型、化疗周期数和合并症。
**研究结果**
**3.1 基线特征**：两组在年龄、性别、癌症类型、化疗周期数及合并症方面无显著差异，基线自我管理能力评分（142.08±7.42 vs. 140.10±7.39）和QoL评分（57.66±4.63 vs. 56.81±4.46）相似。所有189名患者均完成3个月评估，无退出或缺失数据。
**3.2 自我管理能力**：3个月时，AI辅助组自我管理能力评分（168.83±7.03）显著高于常规护理组（150.11±7.39）。校正后组间差异为16.91（95%CI: 16.57-17.25, P<0.001），Cohen's d=2.60，效应量较大。基于变化分数的敏感性分析结果一致。
**3.3 生活质量**：3个月时，AI辅助组QoL评分（66.34±4.30）高于常规护理组（59.81±4.46）。校正后组间差异为5.88（95%CI: 5.71-6.05, P<0.001），Cohen's d=1.49。
**3.4 患者满意度**：3个月时，AI辅助组满意度评分（52.35±2.44）高于常规护理组（48.75±2.48）。校正后组间差异为3.85（95%CI: 3.72-3.99, P<0.001），Cohen's d=1.46。
**3.5 可行性与参与度**：AI辅助组随访完成率为96%（92/96），24小时护士响应率为98%（94/96）。系统共生成214个警报，其中187个（87.4%）经临床验证需进一步评估。平均可用性得分为4.6±0.5（5分制）。未观察到与系统相关的严重不良事件或不适当AI建议。
**3.6 干预暴露**：AI辅助组在3个月内完成1248次患者-系统交互（人均13.0±3.6次），提交876份症状报告（人均9.1±2.7次）及372次患者问询。214个警报中，168个（78.5%）引发了护士干预，包括96次电话随访、51次额外护理指导、14次门诊评估建议和7次转诊。中位主动参与时长为11.4周（四分位距10.0-12.0周），87.5%的参与者至少参与10周。
**讨论与结论**
该研究验证了护士监督的AI辅助数字健康随访系统在化疗患者中的可行性。与常规随访相比，AI辅助组在自我管理能力、QoL和患者满意度上均显著提升，效应量较大。系统的创新性不在于单一功能，而在于将基于规则的风险分层、LLM辅助交流与可操作化的人文关怀整合到闭环护理工作流程中，实现了患者报告信息、同理心沟通、护士复核与及时临床升级的联动。QoL改善可能源于更有效的症状管理和及时支持，组间差异（5.88分）接近EORTC QLQ-C30的最小重要差异范围（5-10分），提示潜在临床意义。患者满意度提高则强调了响应性、个性化与情感支持在患者中心护理中的核心作用。从公共卫生视角看，此类系统可扩展医疗服务至院外，改善可及性与连续性，尤其适用于资源有限地区，并有助于应对人员短缺与需求增长挑战。
研究局限性包括：非随机设计带来选择偏倚（虽校正了可测量混杂因素，但数字素养、教育水平等未测量因素可能影响结果）；单中心、小样本、短期随访限制推广性；研究专用问卷未经验证；人文关怀的独立贡献无法分离。未来需开展多中心随机研究，使用验证工具，评估长期效果、成本效益及实施障碍。
**结论**：由护士监督的AI辅助数字健康随访系统具有可行性，并与化疗患者短期自我管理能力、QoL及患者满意度评分优于常规随访相关。通过将基于规则的风险分层、大语言模型辅助交流与人文关怀整合到闭环护理工作流程中，该系统为改善肿瘤随访的连续性与响应性提供了实用方法。然而，鉴于非随机、单中心设计及有限随访，这些发现应谨慎解读，并需在更大规模多中心随机研究中加以确认。
