Rememo：面向痴呆症回忆治疗的 AI 辅助治疗师工具的研究设计探究

文献标题

Rememo: A Research-through-Design Inquiry Towards an AI-in-the-loop Therapist’s Tool for Dementia Reminiscence

出版信息

• 主题领域: 面向痴呆症护理的AI辅助回忆疗法工具。
• 关键词: 回忆疗法, 痴呆症护理, 生成式人工智能, 人机协作, 治疗师工具, 记忆唤起, 以人为本的护理, AI-in-the-loop, 文化特异性, 研究型设计。

背景与问题

• 问题/挑战: 现有的技术介导回忆疗法（RT）工具通常专注于替代人类引导者，忽视了有效RT所需的关系性和情感性劳动。此外，在多语言、多文化背景（如新加坡）中，为疗法提供文化和个人相关的材料仍然是治疗人员的一项劳动密集型任务。
• 重要性: 痴呆症护理需要以人为本的干预措施，以支持记忆唤起、情感健康和身份认同。解决治疗人员面临的结构性挑战（如人手不足和文化障碍）可以提高护理质量和疗法效果。
• 动机与相关工作: 先前的研究探索了对话代理、推荐系统和生成式个性化在RT中的应用。然而，这些方法往往忽视了人类引导者的角色及护理中的关系动态。本文基于这些努力，专注于赋能治疗人员的工具，而非取代他们。

解决方案

• 提出的方法: Rememo，一种面向治疗师的工具，集成了生成式AI以支持个性化回忆疗法，同时保持治疗师的监督和居民的自主性。
• 创新点:
  1. 开发了一个AI-in-the-loop模型，用于治疗师与AI的协作，强调以人为主导的引导。
  2. 将合成图像重新定义为重建记忆工作的治疗支持，而非真实照片的替代品。
  3. 设计了结合生成式AI与实体提示卡和打印图像的混合型实体-数字系统。
  4. 包含针对新加坡背景的文化特异性和多语言功能。
• 过程与关键技术:
  1. 采用迭代的研究型设计（RtD）过程，将治疗人员作为共同设计伙伴。
  2. 开发带有多语言翻译和方言支持的主题提示卡。
  3. 集成生成式AI引擎（如Imagen, Flux.1）以生成个性化图像。
  4. 部署带有光学字符识别（OCR）功能的移动Web应用程序，用于卡片扫描和图像生成。
  5. 进行为期两周的实地研究，涉及5名治疗人员、21名居民和151张生成图像。

结果

• 具体发现:
  • 在26次疗法会话中生成了151张图像，其中33.1%被打印为实体媒介。
  • Imagen是使用最频繁的引擎（55.0%），其次是Flux（35.1%）和SDXL（9.9%）。
  • 图像生成的平均延迟：基于卡片的提示为27秒，自由文本提示为19秒。
  • 居民报告生成图像在唤起记忆方面的准确率为70–80%。
• 相较基线的优势:
  • 减少治疗人员的后勤准备时间。
  • 通过个性化、文化相关的刺激增强居民的参与度和记忆唤起。
  • 通过多语言和视觉辅助工具弥合沟通障碍。
• 实验/评估:
  • 在新加坡的两家护理机构进行，涉及5名治疗人员和21名居民。
  • 会话包括个人（n=19）和小组（n=7）形式，持续时间为21–55分钟。
  • 对会话日志、调查问卷和焦点小组讨论进行主题分析。
• 局限性与未来工作:
  • 样本量小且仅限于单一国家背景，限制了研究的普适性。
  • 图像生成的延迟影响了会话的流畅性。
  • 未来工作应探索纵向研究、更快的AI模型，以及多媒体刺激的整合。

总结

本文介绍了Rememo，这是一种利用生成式AI支持痴呆症回忆疗法的治疗师中心工具。通过为期两年的研究型设计过程开发，该系统结合了实体提示卡、移动Web应用程序和AI生成图像，以简化会话准备、弥合沟通障碍并增强居民的参与度。为期两周的实地研究证明了其实用性，同时也揭示了延迟和成本限制等挑战。通过倡导AI-in-the-loop模型，该研究强调了人类引导者在关系性和情感性护理中的不可替代作用。未来研究应专注于提高系统效率、扩展个性化功能，并探索在痴呆症护理中的更广泛应用。