分担关怀：研究对话人工智能如何促进家庭护理工作者与家庭护理人员之间的协调

文献标题

Sharing the Care: Investigating How Conversational AI Might Facilitate Coordination Among Home Care Workers and Family Caregivers

出版信息

• 主题领域: 基于人工智能驱动的对话代理优化家庭护理协调。
• 关键词: 家庭护理、家庭照护者、家庭护理工作者、共享护理、对话式人工智能、大型语言模型、护理协调、人本设计、人工智能问责制、关系型护理。

背景与问题

• 问题/挑战: 家庭照护者（FCs）与家庭护理工作者（HCWs）共同照护同一受护者（CR）的协调过程复杂且容易出错，目前缺乏有效工具来简化沟通、任务管理和交接班。
• 重要性: 解决协调问题可以减轻照护者压力，提升护理质量，并确保受护者获得更好的健康结果。
• 动机与相关研究: 以往研究主要关注家庭照护者或家庭护理工作者的单独角色，而忽视了这两组人群在共享护理中的相互依赖性。现有技术往往未能考虑护理中的关系和情感因素，或引入了繁琐的数据处理工作。

解决方案

• 提出的方法: 基于大型语言模型（LLM）的对话式人工智能代理，用于支持家庭照护者与家庭护理工作者之间的共享护理协调。
• 创新点:
  1. 收集家庭护理工作者与家庭照护者对共享护理协调的观点的实证数据。
  2. 提供对话式人工智能代理在非临床、高风险家庭护理场景中调解沟通和任务管理的潜力洞察。
  3. 提出设计建议，旨在增强人类能力，同时维护关系型护理并解决问责问题。
• 研究程序与关键技术:
  • 对17名参与者（8名家庭护理工作者，9名家庭照护者）进行了定性视频引导访谈。
  • 探讨人工智能代理协助护理任务跟踪、交接班、健康监测和文档记录的场景。
  • 使用结构编码和主题分析方法分析数据，以识别人工智能整合的挑战与机遇。

研究结果

• 具体发现:
  • 参与者认为人工智能代理是简化沟通、弥合语言差距以及支持新照护者入职的潜在工具。
  • 代理可以通过实时语音输入和多媒体支持减少文档记录负担。
  • 参与者强调代理需要能够表达不确定性、支持错误报告，并补充人类判断。
• 相较基线的优势: 与现有工具不同，基于LLM的代理可以解释非结构化更新信息、提供语言翻译并提供上下文敏感指导，为共享护理协调设计开辟了新的可能性。
• 实验/评估:
  • 视频引导场景展示了代理在护理协调任务中的实际角色。
  • 参与者对可用性、可行性以及错误、隐私和关系影响的担忧提供了反馈。
• 局限性与未来工作:
  • 由于伦理考虑，研究未涉及受护者；未来研究应直接邀请受护者参与。
  • 场景描绘了理想化的代理行为，实际部署可能面临额外挑战。
  • 研究基于美国城市环境；需要进一步在农村地区及非美国环境中开展研究。

摘要

本研究探讨了基于大型语言模型的对话式人工智能代理如何促进家庭照护者与家庭护理工作者之间的共享护理协调。通过定性视频引导访谈，参与者指出代理在简化沟通、减少文档记录负担以及支持交接班方面的潜力，同时强调维护关系型护理和解决人工智能问责问题的重要性。研究结果提供了可操作的设计建议，用于开发能够补充人类护理、弥合利益相关者差距并在敏感家庭护理环境中实现人性化护理的代理。