背景:对话代理(CAS)提供了一种可持续的方法来提供个性化的干预措施并改善健康成果。目标:回顾如何在个性化医疗干预措施中采用类似人类的沟通和自动化技术。它旨在为旨在开发用于医疗干预措施的CAS的设计师和开发人员,计算科学家,行为科学家和生物医学工程师。方法论:根据Prisma扩展进行范围审查进行了范围审查。在2023年5月在科学,PubMed,Scopus和IEEE数据库中进行了搜索。搜索结果,删除重复项,并筛选其余结果。包括在医疗保健领域内包含个性化和自动化CA的研究。从满足资格标准的文章中提取了有关研究表征以及类似人类的沟通和自动化技术的信息。结果:选择了二十三个研究。这些文章描述了为PA的开发,用于自我管理的疾病(例如糖尿病,心理健康问题,癌症,哮喘,COVID-19和其他慢性病),或增强健康习惯。类似人类的沟通特征所研究的方面包括系统灵活性,个性化和情感特征。七项研究使用了基于规则的模型,十一项将基于检索的技术用于内容传递,五个使用的AI模型和六个集成的情感计算。结论:值得注意的是,对使用CAS进行个性化医疗干预措施的兴趣日益增加。对话结构和个性化功能的适应性仍然有限。解锁类似人类的骗局可能包括使用情感计算和生成AI的使用来帮助改善用户参与度。未来的研究应集中于整体方法的整合,以描述最终用户以及生成模型的安全使用。
主要关键词