对话式智能体在慢性病患者自我管理中的应用：系统综述与未来展望

本研究系统综述了25项关于对话式智能体(CAs)支持慢性病自我管理的研究，聚焦糖尿病和癌症患者，发现文本型、规则驱动的移动应用是主流干预形式。研究揭示了行为改变技术(BCTs)中"知识塑造"和"反馈监测"的核心作用，但存在干预描述不透明、评估方法异质性高等问题，为未来AI驱动的个性化医疗发展提供了重要循证依据。

慢性疾病已成为全球死亡和发病的主要原因，给患者、家庭和医疗系统带来沉重负担。面对这一挑战，自我管理策略显示出独特价值，它能让患者主动识别和解决疾病相关问题，从而预防并发症并减少功能障碍。然而，传统自我管理干预存在可及性差、个性化不足等局限。近年来，对话式智能体(Conversational Agents, CAs)作为一种模拟人类对话的计算机程序，因其可扩展性、可及性和个性化潜力，正成为慢性病自我管理支持的新兴工具。

这项发表在《Journal of Medical Internet Research》上的系统综述，由Tessa F Peerbolte领衔的国际研究团队完成，全面评估了2018年至2024年间CAs在慢性病自我管理中的应用现状。研究团队通过PubMed和Embase数据库系统检索，最终纳入25项符合标准的研究，运用行为干预技术(BIT)模型和CONSORT-EHEALTH清单等框架进行数据提取与分析。

研究采用系统评价方法，重点关注CAs的设计特征、行为改变技术(BCTs)整合及评估方法。关键技术包括：基于BIT模型的干预架构分析、BCT分类系统应用、风险偏倚评估工具(ROBINS-I和Risk of Bias 2)，以及电子健康报告标准(CONSORT-EHEALTH)的应用。研究对象主要来自糖尿病和癌症患者群体。

研究结果显示，大多数CAs通过移动应用程序(78%)以文本形式(61%)提供，主要采用规则驱动技术(43%)。在行为改变技术整合方面，"知识塑造"(74%)、"反馈监测"(65%)和"自然结果"(57%)是最常用的技术集群。值得注意的是，仅少数研究(4%)详细描述了BCTs的技术实现方式。

在评估方法上，46%的研究采用随机对照设计，但普遍存在方法学局限。临床结局测量中，46%关注疾病特异性指标，而自我管理相关概念(如知识、技能)的评估相对不足。所有报告主要结局的研究均存在高偏倚风险，主要源于结局测量的主观性和关键混杂因素控制不足。

这项研究的重要意义在于：首次从多学科视角系统整合了技术、行为心理学和医学框架，为CAs在慢性病管理中的应用提供了全面评估。研究发现当前领域存在干预描述不透明、评估方法异质性高等关键问题，提出了标准化报告、增强方法学严谨性、开展真实世界评估和利用先进AI四项改进建议。特别是强调了AI驱动个性化的发展前景，为未来智能健康干预研究指明了方向。

研究结论指出，虽然CAs在慢性病自我管理中展现出潜力，但当前证据基础仍显薄弱。推进该领域需要：透明化的干预描述、严谨的方法学设计、标准化量表的统一使用、规范化术语体系，以及与标准化框架一致的报告规范。这些改进将有助于建立更可靠的证据基础，推动CAs从实验研究向临床实践转化，最终实现慢性病管理的个性化、智能化突破。