MIND：通过叙事仪表板为心理健康临床医生赋能的多模态数据洞察

文献标题

MIND: Empowering Mental Health Clinicians with Multimodal Data Insights through a Narrative Dashboard

出版信息

• 主题领域: 精神健康数据可视化与临床决策支持系统
• 关键词: 叙事仪表盘，多模态数据，精神健康，临床决策，大型语言模型，共同设计，患者生成数据，临床笔记，可视化，医疗信息学

背景与问题

• 问题/挑战: 现有为精神健康临床医生设计的仪表盘通常以碎片化的形式呈现多模态数据，要求临床医生手动综合洞察，这既耗时又具有认知负担。用于精神健康预测的机器学习模型缺乏普适性，无法为临床决策提供可操作的洞察。
• 重要性: 高效整合并呈现多模态数据可以提高临床医生理解患者状况、做出明智决策以及优化治疗结果的能力，尤其是在临床工作流程时间紧迫的情况下。
• 动机与相关工作: 先前的研究探索了多模态数据（如临床笔记、主动感知、被动感知）和临床仪表盘，但这些系统通常缺乏叙事连贯性和整合性，导致临床医生需要在大量数据中寻找上下文解释。本研究基于叙事仪表盘的概念，旨在填补这些空白。

解决方案

• 提出的方法: MIND（多模态数据整合叙事仪表盘），一个基于大型语言模型的系统，通过叙事文本和交互式可视化呈现多模态数据洞察。
• 创新点:
  1. 开发了一个叙事仪表盘，将多模态数据整合为连贯且与临床相关的故事。
  2. 实现了结合大型语言模型与基于规则方法的混合计算管道，用于生成洞察。
  3. 采用共同设计方法，与五位精神健康专家合作，优化设计目标并使系统符合实际临床需求。
  4. 通过对16位持证精神健康临床医生的用户研究，评估了MIND的有效性，并展示了其相较于基线仪表盘的优势。
• 流程与关键技术:
  • 与领域专家共同设计，确定设计目标（直观、文本优先、自适应、有洞察力）。
  • 创建两级界面：第一级用于叙事洞察，第二级用于深入数据探索。
  • 混合计算管道模块，用于分析原始数据、综合洞察并生成叙事结果。
  • 用户研究，通过模拟患者案例对MIND和基线数据收集仪表盘（FACT）进行比较。

结果

• 具体发现:
  • 在帮助临床医生发现隐藏数据洞察方面，MIND显著优于基线仪表盘FACT (p<.001)，并在支持临床决策方面表现更佳 (p=.004)。
  • 在多模态数据整合(p<.001)、叙事连贯性(p=.004)、效率(p=.006)和节省时间潜力(p<.001)方面，MIND评分更高。
  • 临床医生对MIND洞察的可信度和临床相关性评价较高，与FACT相当。
• 相较基线的优势: MIND的叙事性和整合性设计提高了临床医生综合多模态数据并将洞察直接应用于决策的能力，同时保持了与基线相当的可用性和工作负荷水平。
• 实验/评估:
  • 包括16位持证精神健康临床医生的混合方法组内研究。
  • 使用模拟患者案例，通过SUS、NASA-TLX和Likert量表调查比较MIND和FACT。
  • 定性反馈强调了MIND的总结能力、直观导航和透明性。
• 局限性与未来工作:
  • 在同质化模拟患者案例上的有限评估，现实中的异质性可能影响性能。
  • 参与者采样可能过度代表对AI持积极态度的临床医生。
  • 控制实验室研究缺乏生态效度；未来工作应探索真实环境中的部署和长期评估。

总结

MIND引入了一种叙事仪表盘，将多模态精神健康数据整合为连贯且与临床相关的洞察，解决了数据呈现碎片化的问题。通过混合计算管道和共同设计方法，MIND平衡了叙事性与交互式探索，帮助临床医生高效审查患者信息并做出明智决策。用户研究表明，MIND在揭示隐藏洞察、支持决策和整合多模态数据方面优于传统仪表盘。未来工作应聚焦于真实环境评估，定制系统以适应多样化的临床工作流程，并解决AI驱动医疗系统中的伦理问题。