利用生成式深度学习探索呼吸护理

本文结合设计、机器学习和社会计算，探索生成式深度学习作为呼吸护理的工具和探测手段。我们首先呈现 GANspire，这是一种深度学习工具，可以生成精细的呼吸波形，我们在一位呼吸内科医生的合作下制作，关注人类呼吸数据和深度生成模型的联合物质性。然后，我们报告了一个探测工具，使用 GANspire 生成的呼吸波形制作，由十名呼吸护理专家小组领导，根据其物质属性进行响应。定性注释表明，呼吸护理专家根据生理、活动和情感的主观方面，解释 GANspire 生成的呼吸波形的真实和模糊属性。半结构化访谈还揭示了专家对人工智能技术的更广泛看法、期望和伦理担忧，基于他们的呼吸护理临床实践以及对 GANspire 的反思分析。这些发现为呼吸护理中的技术援助提供了设计启示，并展示了深度生成模型的模糊性如何可以被利用为定性研究的资源，实现与社会计算结合的生成式深度学习研究。我们的论文通过拓宽生成式深度学习不仅可以作为设计人机交互的工具，还可以作为与实践社区引发关于人工智能技术当前和推测性使用开放对话的探测手段，为 CSCW 社区做出贡献。