使用人工智能和机器学习的医疗保健和肿瘤应用聊天机器人:系统回顾

简介

背景

人工智能(AI)通过改变我们分析信息的方式，并通过解决问题、推理和学习来改善决策，正处于改变我们生活许多方面的最前沿。机器学习(ML)是人工智能的一个子集，它基于经验提供给通用算法的数据来提高其性能，而不是在传统方法中定义规则[1］．ML的进步在准确性、决策、快速处理、成本效益和复杂数据处理方面提供了好处[2］．聊天机器人，也被称为聊天机器人、智能机器人、对话代理、数字助理或智能代理，是由ML演变而来的人工智能系统的主要例子。牛津词典将聊天机器人定义为“通常通过互联网与人进行对话的计算机程序”．“它们也可以是设计用于与人类或其他机器人进行社交互动的物理实体。然后，通过分析用户输入，文本或口语，并访问相关知识，生成预先确定的响应[3.］．在动态环境中处理更复杂的情况以及根据特定的上下文和独特的沟通策略管理社交会话实践时，问题就出现了[4］．

考虑到这些有效的好处，聊天机器人在过去20年里迅速发展并融入众多领域，如娱乐、旅游、游戏、机器人和安全，也就不足为奇了。聊天机器人已被证明特别适用于各种通常涉及面对面互动的医疗保健组件。由于它们具有复杂对话管理和对话灵活性的能力，将聊天机器人技术集成到临床实践中可能会降低成本，提高工作流程效率，并改善患者的结果[5］．一项基于网络的自我报告调查调查了医生的观点，发现医疗聊天机器人在管理自己的健康方面有积极的好处;改善身体、心理和行为结果;最值得注意的是，出于行政目的[6］．鉴于这种相对较新的技术所提供的机会，可能会出现潜在的限制和关切领域，可能会损害用户。据报道，对准确性、网络安全、缺乏同理心和技术成熟度的担忧是导致聊天机器人被接受或融入医疗保健的潜在因素[7］．

目标

这篇叙述性综述论文报告了聊天机器人的医疗保健组件，重点是癌症治疗。本文的其余部分组织如下:首先，我们介绍了聊天机器人的发展过程，概述了聊天机器人的体系结构、设计概念和类型;主要的结果本节重点介绍聊天机器人在肿瘤相关领域发挥的作用，如诊断、治疗、监测、支持、工作流程效率和健康促进;和讨论本节分析了成功实施的潜在限制和问题，同时解决了未来的应用和研究课题。

方法

这篇综述集中在同行评审期刊和会议论文集上的文章。我们从2020年10月至12月搜索了以下数据库，以获取2000年至2020年的相关和当前研究:IEEE Xplore、PubMed、Web of Science、Scopus和OVID。文献检索使用了以下关键词:聊天机器人，聊天机器人，会话代理，人工智能,机器学习．为了进一步细化，将这些关键术语与与本文重点一致的更具体的术语结合起来。这包括医疗保健，癌症治疗，肿瘤学，诊断，治疗，放射治疗,放射治疗．搜索不受语言或研究设计的限制。信件和技术报告被排除在搜索范围之外。来源和搜索策略的完整列表可从作者处获得。

在2021年1月期间，聊天机器人的筛选由Botlist目录的系统审查过程指导。选择这个目录是因为它是开放访问的，并将聊天机器人分为许多不同的类别(例如，医疗保健、通信和娱乐)，并包含许多常用的消息服务(例如，Facebook Messenger、Discord、Slack、Kik和Skype)。共有78个聊天机器人被确定为医疗保健组件，并根据以下标准进一步划分:诊断、治疗、监测、支持、工作流程和健康促进。应该注意的是，使用来自web目录的健康状况过滤器将结果限制为搜索策略和营销标签。因此，相同研究的结果在重复时可能会有所不同。

结果

聊天机器人的历史与发展

聊天机器人的概念最早出现在1950年，当时图灵提出了一个问题:“机器能思考吗?”“(8］．最早的机器人被设计用来通过图灵测试，尽可能地模仿人类对话。1966年，ELIZA (MIT人工智能图书馆)是第一个被开发出来充当心理治疗师的聊天机器人，使用模式匹配和基于模板的回答以基于问题的格式进行交谈[9］．通过在PARRY(由Kenneth Colby开发)中加入一个人格来模拟一个偏执狂患者，从而构建了一个更像人类和个性化的实体[10］．最著名的聊天机器人之一是ALICE，由Richard Wallace在1995年开发，它使用模式匹配技术从输出模板中检索例句并避免不适当的响应[11］．人们对人工智能的重新兴趣和ML的进步，导致聊天机器人在各个领域的使用和可用性越来越大[12］．SmarterChild (ActiveBuddy, Inc) [13通过即时通讯应用程序，人们可以广泛使用语音助手，随后出现了更熟悉的基于网络的语音助手，如苹果Siri、亚马逊Alexa、谷歌Assistant和微软Cortana。根据我们的分析(图1)，在医疗保健方面，聊天机器人最受欢迎的发展是诊断、患者支持(即心理健康咨询)和健康促进。其中一些应用将在下一节中进一步探讨癌症应用。

‎ 查看此图

聊天机器人总体架构

虽然开发聊天机器人有各种各样的技术，但总体布局相对简单。作为一个使用ML来模拟人类对话的计算机应用程序，其基本概念对于所有类型都是相似的，有4个基本阶段(输入处理、输入理解、响应生成和响应选择)[14］．中给出了一个简化的通用聊天机器人体系结构图2．首先，用户以文本或语音格式提出请求，由聊天机器人接收和解释。从那里，处理过的信息可以被记住，或者可以要求更多的细节来澄清。在理解请求后，执行所请求的操作，并从数据库或外部来源检索感兴趣的数据[15］．

‎ 查看此图

聊天机器人类型

随着大量的算法、工具和平台可用，了解这些聊天机器人的不同类型和最终目的将有助于开发人员在设计它们时选择最佳工具，以满足用户的特定需求。这些类别并不是排他的，因为聊天机器人可能拥有多种特征，这使得这个过程更具变数。5种主要类型如下所述[15］．文本框1介绍每种聊天机器人推荐的应用程序的一些示例，但不限于指定的应用程序。

知识领域分类是基于可访问的知识或用于训练聊天机器人的数据。在这一类别下，是针对一般主题的开放领域和关注更具体信息的封闭领域。服务提供的分类依赖于与用户的情感接近程度，以及依赖于所执行任务的亲密交互的数量。这可以进一步分为人际的，提供传递信息的服务，内部的，为人类提供陪伴或个人支持，以及与其他聊天机器人交流的interagent [14］．下一个分类是基于目标和实现的目标，细分为信息型、会话型和任务型。响应生成聊天机器人，进一步分为基于规则的，基于检索的和生成的，说明了分析输入和生成响应的过程[16］．最后，人工辅助分类结合了人工计算，提供了更多的灵活性和鲁棒性，但缺乏适应更多请求的速度[17］．

癌症治疗中的聊天机器人

概述

癌症已成为一种主要的健康危机，是美国第二大死亡原因[18］．每年癌症患者数量呈指数级增长，可能是因为环境中的致癌物和护理质量的提高共同作用。后一个方面可以解释为什么癌症慢慢变成一种慢性疾病，随着时间的推移是可以控制的[19］．预期寿命的延长对患者和医疗团队都提出了新的挑战。例如，许多患者现在需要延长在家的支持和监测，而卫生保健工作者的工作量增加了。尽管临床医生在使用科学证据指导决策方面的知识基础已经扩大，但仍有许多其他方面的护理质量尚未赶上。重点关注的领域是安全性、有效性、及时性、效率、公平性和以患者为中心的护理[20.］．

聊天机器人有潜力解决上面提到的关于癌症治疗的许多当前问题。这包括卫生保健的三重目标，即改善护理体验、改善人口健康和降低人均费用[21］．聊天机器人可以通过提供高效、公平和个性化的医疗服务来提高护理质量或体验。我们可以把他们看作是医生之间的中介，在会诊前促进敏感和私密信息的历史记录。它们也可以被认为是决策辅助工具，提供关于疾病进展和治疗反应的定期反馈，以帮助临床医生更好地了解个人情况。癌症的预防措施已成为世界范围内的优先事项，因为仅靠早期发现和治疗并不能有效地消除这种疾病[22］．聊天机器人甚至可以改善服务不足或弱势群体的身体、心理和行为，因为它们很容易通过公共消息平台获得。根据我们的搜索，健康促进用途，如生活方式指导、健康饮食和戒烟，一直是最常见的聊天机器人之一。此外，聊天机器人可以帮助节省大量的医疗成本和资源。更新的治疗创新都有沉重的代价，自付费用给患者的经济状况带来了巨大的压力[23］．随着聊天机器人在癌症治疗中的应用，可能会避免对轻微健康问题的咨询，这使得临床医生可以花更多的时间与最需要关注的患者在一起。更有效地提供医疗服务也可以降低成本。例如，可以通过协助医生执行行政任务(如安排预约、提供医疗信息或定位诊所)来简化工作流程。

随着聊天机器人在医疗保健中的应用迅速增加，本节将探讨癌症护理中的几个发展和创新领域。下面提供的各种当前聊天机器人的例子将说明它们解决医疗保健三重目标的能力。聊天机器人在肿瘤学中的具体用例，以及实际产品的示例和建议的设计表1．

诊断和筛查

准确的诊断对于给予适当的治疗至关重要。在癌症诊断方面，基于人工智能的计算机视觉是聊天机器人经常使用的功能，可以从图像中识别微妙的模式。这将增加医生在确定癌症类型时的信心，因为即使是受过高度训练的人也不一定总是对诊断意见一致[52］．研究表明，与专家相比，AI对肿瘤诊断的医学图像解释表现同样好，甚至更好[53-56］．此外，当没有足够的专家来检查图像时，自动诊断可能是有用的。这是通过深度学习算法与用于检测、分割和分类任务的数据库的日益可用性相结合而实现的[57］．例如，Medical Sieve (IBM Corp)是一个聊天机器人，它可以检查放射图像，以帮助心脏病专家和放射科医生进行沟通，以快速可靠地识别问题[24］．类似地，InnerEye(微软公司)是一款计算机辅助图像诊断聊天机器人，它可以识别眼睛内的癌症和疾病，但不像聊天机器人那样与用户直接互动。42］．尽管人工智能在癌症成像方面取得了快速发展，但一个主要问题是缺乏黄金标准[58］．

从患者的角度来看，各种聊天机器人已经被设计用于症状筛查和自我诊断。通过早期预警信号将患者引导到紧急转诊途径的能力是一个有前途的市场。研究发现，缩短获得卫生保健服务的等待时间与改善患者预后和满意度相关[59-61］．自动聊天机器人Quro (Quro Medical, Inc)提供基于症状和历史的预简介，以预测用户状况(平均精度约为0.82)，无需基于表单的数据输入系统[25］．除诊断外，Buoy Health (Buoy Health, Inc)还协助用户确定其疾病的原因并提供医疗建议[26］．另一个由Harshitha等人设计的聊天机器人[27]使用对话流提供乳腺癌症状的初步分析。它已被证明在区分正常和癌性图像方面有95%的准确率。即使取得了令人满意的结果，仍有改进的潜力。对3个基于移动应用程序的聊天机器人症状检查器的研究，巴比伦(巴比伦健康，Inc)， Your。md (healthy, Inc)和Ada (Ada, Inc)的研究表明，头颈癌的检测敏感性仍然很低，只有33% [28］．与目前可用的聊天机器人的多样性相比，评估其开发、实施和有效性的研究数量仍然相对有限。需要进一步的研究来确定在不同条件和人群中的有效性。尽管如此，如果准确性和敏感性要求可以满足，用于自我诊断的聊天机器人是一种有效的方法，可以作为第一个接触点向患者提供建议。

早期癌症检测可以提高生存率和改善生活质量。遗传因素存在于5% - 10%的癌症中，包括乳腺癌、结直肠癌、前列腺癌和罕见的肿瘤综合征[62］．家族史收集是一种经过验证的方法，可以轻松获取癌症发展的遗传倾向，为风险分层决策、临床决策和癌症预防提供信息[63］．基于网络的聊天机器人ItRuns (ItRunsInMyFamily)收集人口水平的家族史信息，以确定遗传性癌症的风险[29］．我们还没有找到一种融合了深度学习的聊天机器人，可以在细胞水平上处理大量复杂的数据集。尽管DeepTarget无法直接与用户对话，但它[64]和deepMirGene [65]能够使用表达数据执行miRNA和目标预测，与非深度学习模型相比，精度更高。随着表型-基因型预测的出现，用于基因筛查的聊天机器人将极大地受益于图像识别。新的筛选生物标记物也在快速地被发现，因此需要持续的集成和算法训练。这些发现与研究一致，这些研究表明聊天机器人有潜力改善用户体验和可访问性，并提供准确的数据收集[66］．

治疗

聊天机器人现在能够在诊断后为患者提供治疗和药物信息，而无需直接联系医生。这种系统是由Mathew等人提出的[30.识别症状，使用症状-疾病数据集预测疾病，并推荐合适的治疗方法。虽然对于寻求快速解决方案的患者来说，这似乎是一个有吸引力的选择，但计算机仍然容易出错，绕过专业检查可能是一个值得关注的领域。对于那些想要了解为什么某种治疗是必要的患者来说，聊天机器人也可能是一种有效的资源。马胡等[31]提出了一个交互式聊天机器人应用程序，提供包括癌症在内的各种疾病的可用治疗方法列表。该系统还告知使用者药物的成分和处方用法，以帮助选择最佳的治疗方案。癌症的诊断和治疗过程是复杂的，因此更现实的系统应该是一个聊天机器人，用来将用户与适当的专家或资源联系起来。由Divya等人设计的文本到文本聊天机器人[32使用户了解他们的医疗症状，以提供个性化的诊断，并在检测到重大疾病时将用户与适当的医生联系起来。Rarhi等[33]提出了类似的设计，根据症状提供诊断，衡量严重程度，并在需要时将用户与医生联系起来[33］．总的来说，这些系统可以极大地帮助个人进行日常检查，提高对自己健康状况的认识，并鼓励用户寻求医疗援助以进行早期干预。

医生在制定治疗计划时也会使用聊天机器人。例如，IBM的Watson For Oncology检查来自记录和医疗记录的数据，为肿瘤学家生成基于证据的治疗计划[34］．研究表明，Watson for Oncology目前仍不能取代专家，因为相当多的病例与专家不一致(约73%一致)[67，68］．尽管如此，这可能是癌症治疗标准化的有效决策工具。虽然不是专门的肿瘤学应用程序，但临床医生使用的另一个聊天机器人例子是Safedrugbot(母乳喂养安全)[69］．这是一个为卫生专业人员提供母乳喂养期间适当药物使用信息帮助的聊天消息服务。在利用人工智能进行放射治疗，以减少放射工作人员的工作量或通过收集治疗前后的结果来识别有危险的病人方面，也取得了可喜的进展[70］．医疗保健专业人员使用的理想聊天机器人应该能够准确地检测疾病并提供适当的建议，这些功能目前受到时间和预算限制。持续的算法训练和更新是必要的，因为当前的护理标准不断改进。在临床实施之前，需要对算法的准确性进行进一步的改进和测试[71］．这一领域具有巨大的潜力，因为估计≥50%的癌症患者在治疗过程中使用了放射治疗。

病人监护

聊天机器人已被用于远程监测患者的术后护理和随访。由于大多数新诊断出的癌症患者年龄≥65岁，卫生保健部门在医院外需要持续支持的人群中处于最不堪重负的状态之一[72］．这一应用程序的整合将改善患者的生活质量，并通过更好的疾病管理减轻卫生保健提供者的负担，降低就诊成本并允许及时随访。在癌症治疗方面，远程监测可以支持患者提供更高剂量的化疗药物，减少二次住院，并在手术后提供健康益处[73-75］．

StreamMD (StreamMD, Inc)、Conversa (Conversa Health, Inc)和Memora Health (Memora Health, Inc)是在现有消息平台上运行的聊天机器人，为患者提供即时访问护理指示和教育信息[35］．为了确保患者遵守指示，AiCure (AiCure, Inc)使用智能手机网络摄像头指导患者管理自己的病情。最近，有人提出了一种聊天机器人架构，用于基于微服务的患者支持，以提供个性化的eHealth功能和数据存储[36］．一些研究支持将聊天机器人应用于患者监测[76］．使用半自动消息聊天机器人Infinity (Facebook, Inc)来评估65岁以上癌症患者基于手机监测的健康结果和医疗保健影响。实施2年后，满意率为97%，87%的人认为监测是有用的，报告的获益最多的是治疗管理和精神支持[37］．在两项使用Vik (WeFight, Inc)的研究中也发现了类似的结果，Vik是一种基于文本的聊天机器人，它能以个人见解回应患者及其亲属的日常需求和担忧。一项对4737名乳腺癌患者进行的为期1年的前瞻性研究报告称，总体满意度为94% [38］．对132970条信息进行更深入的分析表明，与开放式问题相比，用户更有可能回答多项选择题，聊天机器人将治疗依从率提高了>20% (P=.04)，并且公开讨论私密或敏感的话题。值得关注的是，在研究结束时，留存率急剧下降到31%。另一项研究是一项3期盲、非劣效随机对照试验(n=132)，以评估患者对聊天机器人提供的答案与医生提供的答案的满意度水平[39］．使用12个关于乳腺癌的常见问题，参与者被分为两组，以评估聊天机器人或医生回答的质量。在接受治疗或缓解期的乳腺癌患者中，聊天机器人的回答并不逊色(P<.001)，成功率为69%，而医生组为64%。对于聊天机器人是否能够成功回答更复杂的问题或检测主要和次要症状之间的差异，人们的担忧仍有待解决。

仍需进一步改进和大规模实施，以确定卫生保健在不同人群和部门之间的效益[26］．尽管总体满意度相对较高，但考虑到患者在康复过程中不断变化的需求，用户反馈仍有改进的空间。结合可穿戴技术和价格合理的软件，聊天机器人在影响患者监测解决方案方面具有巨大潜力。

耐心的支持

随着癌症幸存者人数的增加，癌症的患病率也在增加，部分原因是治疗技术的改进和早期发现[77］．这些人会经历额外的健康问题，如感染、慢性疾病、心理问题和睡眠障碍，这些问题往往需要许多从业者无法满足的特定需求(即医疗、心理、信息和主动接触)[78］．其中一些人在住院或治疗期后需要支助。对老年人来说，在家庭环境中保持自主权和以自我维持的方式生活尤其重要[79］．聊天机器人的实施可能会解决其中一些问题，比如减轻医疗保健系统的负担和支持独立生活。

精神障碍影响至少35%的癌症患者，综合癌症护理现在包括社会心理支持，以减少痛苦和促进更好的生活质量[80］．第一个聊天机器人是为有心理问题的人设计的。9];然而，他们继续被用于情感支持和精神咨询，因为他们能够表达同情和同理心[81］．通过移动应用程序提供的基于健康的聊天机器人，如Woebot (Woebot Health, Inc)、Youper (Youper, Inc)、Wysa (Wysa, Ltd)、Replika (Luka, Inc)、Unmind (Unmind, Inc)和Shim (Shim, Inc)，提供日常情感支持和心理健康跟踪[26］．基于认知行为疗法对Woebot进行的一项研究表明，抑郁症状明显减轻，参与者比传统疗法更容易接受[41］．这与Shim的结果一致，也使用了相同类型的治疗，这表明干预是高度参与的，改善了福祉，减少了压力[82］．当基于结构化关联技术咨询方法开发另一个聊天机器人时，增强了用户的动机，减轻了用户的压力[83］．同样，有人提出了一种基于图形的聊天机器人，通过情感分析来识别用户的情绪，并提供类似人类的反应来安慰患者[84］．Vivobot (HopeLab, Inc)提供认知和行为干预，提供积极心理学技能，促进健康。这种精神咨询聊天机器人在吸引用户和减少年轻人在癌症治疗后的焦虑方面是有效的。40］．上述研究的局限性在于，大多数参与者都是年轻人，这很可能是因为聊天机器人所处的平台。此外，未来的研究还需要更长的随访期、更大的样本量和更多样化的样本量。用于心理支持的聊天机器人具有巨大的潜力，因为在没有形成判断的情况下，个人更愿意透露个人信息，即使用户仍然可以将他们的反应与人类的反应区分开来[82，85］．

工作流程效率

电子健康记录改善了数据的可用性，但也增加了临床工作流程的复杂性，导致无效的治疗计划和不知情的管理[86］．使用ML技术的简化流程将允许临床医生通过简化文档，减少数据输入所花费的时间，从图表中暴露相关患者信息，自动授权付款或减少医疗错误，从而使临床医生花更多的时间与患者在一起[58］．例如，Mandy是一个聊天机器人，通过自动化病人的入院过程来协助医护人员[43］．这个聊天机器人结合了数据驱动的自然语言处理和知识驱动的诊断，与患者面谈，了解他们的主诉，并向医生提交报告以供进一步分析[43］．同样,有意义。ly(意义。ly, Inc)是一个基于网络的护士，协助监测预约，管理病人的病情，并提出治疗建议。另一个可以减轻临床医生负担和减少等待时间的聊天机器人是Careskore (CareShore, Inc)，它可以跟踪生命体征并预测入院需求[42］．聊天机器人也被提议通过一些先进的电子健康服务来自主地与病人见面。除了收集数据和提供预订外，健康在线医疗建议或HOLMES (Wipro, Inc)还与患者互动，以支持诊断，选择适当的治疗途径，并提供预防检查[44］．尽管在医疗保健和癌症治疗中使用聊天机器人有可能提高临床医生的效率，但在普遍实施之前，仍然缺乏从业者的报销代码。此外，还需要进行研究，以验证聊天机器人在简化不同医疗保健设置的工作流程方面的有效性。尽管如此，聊天机器人通过简化医疗管理和自主与患者见面，在补充远程医疗方面具有巨大潜力。

健康促进

癌症幸存者，特别是那些在儿童时期接受过治疗的癌症幸存者，更容易受到不良健康风险和医疗并发症的影响。因此，尽早提倡健康的生活方式对于维持生活质量、降低死亡率和降低继发性癌症的风险至关重要[87］．根据网络目录的分析，健康促进聊天机器人是最常见的;然而，其中大多数只能在单个平台上使用。因此，多个公共平台上的互操作性对于跨不同年龄段的各种类型用户的采用至关重要。此外，还应该考虑语音和图像识别，因为大多数聊天机器人仍然是基于文本的。

健康饮食和体重控制是成功控制疾病的关键，因为肥胖是慢性疾病的一个重要风险因素。聊天机器人已被纳入健康指导系统，以解决健康行为的改变。例如，CoachAI和智能无线互动健康系统使用聊天机器人技术来跟踪患者的进展，为医生提供见解，并建议合适的活动[45，46］．另一个应用程序是Weight Mentor，它为减肥提供自助动机，并允许在不受情绪影响的情况下进行公开对话[47］．Health Hero (Health Hero, Inc)、tastful Bot (Facebook, Inc)、Forksy (Facebook, Inc)和SLOWbot (iaso heath, Inc)指导用户在食物选择上做出明智的决定，以改变不健康的饮食习惯[48，49］．这些应用程序的有效性无法得出结论，因为需要对开发、评估和实现进行更严格的分析。然而，聊天机器人正在成为一种解决方案，通过访问和类似人类的交流，同时保持匿名，促进健康的生活方式。

大多数人会认为，癌症幸存者更倾向于在卫生专业人员的额外指导下采取健康保护行为;然而，结果却令人惊讶。吸烟至少占所有癌症死亡的30%;然而，高达50%的幸存者继续吸烟[88］．在许多研究中都强调了使用聊天机器人在不同年龄段戒烟的好处，这些研究显示了改善的动机、可获得性和对治疗的坚持，这导致了更多的戒烟[89-91］．基于认知行为疗法的聊天机器人SMAG通过Facebook社交网络为用户提供支持，与对照组相比，其戒烟率高出10%。50］．基于激励性访谈的聊天机器人已经被提出，并取得了令人满意的结果，相当数量的患者在1周后显示出他们的信心和戒烟意愿的增加[92］．目前还没有研究发现，从民族、种族、地理或社会经济地位的差异方面评估聊天机器人在戒烟方面的有效性。创建带有预设答案的聊天机器人很简单;然而，如果答案是公开的，问题就变得更加复杂了。贝拉是市场上最先进的基于文字的聊天机器人之一，被宣传为成人教练，当没有响应提示时，它就会卡住。51］．因此，对意外反应的反应仍是一个正在进行中的领域。考虑到所有的不确定性，聊天机器人对那些希望戒烟的人来说具有潜力，因为事实证明，与全科医生相比，在处理被污名化的健康问题时，聊天机器人更容易被用户接受。7］．

讨论

挑战和限制

人工智能和机器学习以令人印象深刻的速度发展，并揭示了聊天机器人在医疗保健和临床环境中的潜力。人工智能技术在图像识别、风险分层、改进处理以及全天候数据和分析辅助方面优于人类。然而，没有机器可以替代高级交互、批判性思维和模糊性[93］．聊天机器人带来了额外的复杂性，在其被广泛应用于医疗保健之前，必须对其进行识别、处理和缓解。

医生的犹豫和患者的不接受是需要克服的主要障碍，这可以用本节讨论的许多因素来解释。一项针对100名执业医生的横断面网络调查收集了聊天机器人在医疗保健领域的看法[6］．虽然报告了各种各样有益的方面(即保健管理和行政管理)，但也存在同样多的关切。超过70%的医生认为聊天机器人不能有效地照顾患者的所有需求，不能表现出人类的情感，不能提供详细的治疗计划，如果患者自我诊断或不完全理解他们的诊断，则会带来风险。如果人们能更好地理解和缓解聊天机器人的局限性，那么在医疗保健领域采用这种技术的担忧可能会慢慢消退。的讨论本节最后探讨了卫生保健专业人员、患者和决策者面临的挑战和问题。

道德和伦理约束

聊天机器人在医疗保健中的使用提出了一系列新的道德和伦理挑战，公众必须解决这些挑战才能充分接受这项技术。需要考虑的问题包括隐私或保密、知情同意和公平性。下面将逐一讨论这些问题。尽管已经为解决这些问题做出了努力，但目前的指导方针和政策仍然远远落后于快速的技术进步[94］．

卫生保健数据非常敏感，因为如果信息被错误披露，就有被污名化和歧视的风险。聊天机器人确保隐私的能力尤其重要，因为大量的个人和医疗信息经常在用户不知情的情况下被收集，包括语音识别和地理跟踪。公众缺乏信心并不奇怪，因为引人注目的安全漏洞和数据不当使用的频率和规模都在增加[95］．与金融数据被窃取后就会过时不同，医疗数据不容易腐烂，因此特别有价值。隐私威胁可能会破坏对治疗性医患关系至关重要的信任，并抑制相关临床信息的公开交流，以促进正确的诊断和治疗[96］．

聊天机器人体验黑色的盒子这类似于许多使用ML编程的计算系统，这些计算系统在大量数据集上进行训练，以产生多层连接。尽管它们能够解决人类无法想象的复杂问题，但这些系统仍然高度不透明，由此产生的解决方案可能并不直观。这意味着仅仅通过观察内部很难解释系统的行为，而且确切地理解它们是如何编程的几乎是不可能的。对于用户和开发人员来说，透明度都成为了一个问题，因为他们无法完全理解解决方案，也无法干预以可预测地改变聊天机器人的行为[97］．由于聊天机器人的新颖性和复杂性，获得有效的知情同意(患者可以自行进行健康相关风险和效益评估)变得很成问题[98］．如果没有足够的透明度，决定如何做出某些决定或错误如何发生会降低诊断过程的可靠性。的黑盒这一问题还可能破坏医患之间的共同决策，从而对患者的自主权构成担忧[99］．聊天机器人的个性化建议基于算法，并根据用户过去的回答进行改进。取消选择可能会慢慢降低患者对选择的意识，并干扰自由选择[One hundred.］．

最后，当用于训练和测试聊天机器人的数据不能准确反映它们所代表的人时，公平性问题就会出现算法偏差。101］．由于人工智能领域缺乏多样性，算法和建模选择层面的偏见可能会被开发人员忽视[102］．在一项使用2例病例的研究中，重症监护病房死亡率和精神疾病再入院的性别和保险类型在预测准确性方面存在差异[103］．在更大范围内，这可能会加剧少数群体或弱势群体获得医疗保健的障碍，导致更糟糕的健康结果。识别算法偏差的来源对于解决不同人口群体之间的医疗保健差异和改善数据收集至关重要。

犯错的机会

尽管研究表明，在诊断和决策方面，人工智能技术比人类犯下的错误更少，但它们仍然承担着医疗错误的固有风险[104］．由于背景信息的复杂性、语言单位分割的准确性、声道的可变性以及同音异义词或语义表达的歧义性，语音解释仍然容易出错。聊天机器人无法有效地处理这些错误，因为缺乏常识，无法正确地模拟现实世界的知识[105］．导致错误和不准确预测的另一个因素是用于训练现代模型的大型噪声数据集，因为通常无法获得大量高质量的代表性数据[58］．除了关注准确性和有效性外，解决改善患者生活质量的临床效用和有效性同样重要。随着诊断聊天机器人的使用越来越多，过度自信和过度治疗的风险可能弊大于利。99］．改进决策仍有明显的潜力，因为诊断深度学习算法被发现与医疗保健专业人员在准确分类疾病方面相当[106］．上述这些问题都提出了谁应为医疗差错承担法律责任的问题。当从开发到临床应用的多个阶段都有许多人参与时，逃避责任就变得更容易了[107］．尽管法律一直滞后，诉讼仍是一个灰色地带，但随着聊天机器人在医疗保健领域的普及，确定法律责任变得越来越紧迫。

监管方面的考虑

已经制定了监管标准，以适应快速修改，并确保包括聊天机器人在内的人工智能技术的安全性和有效性。美国食品和药物管理局(fda)已认识到聊天机器人与传统医疗设备的区别，将该软件定义为医疗设备类别，并通过“数字健康创新行动计划”概述了其方法[108］．随着越来越多的人工智能算法获得食品和药物管理局的批准，他们开始公开咨询设置性能目标，监控性能，并在性能偏离预设参数时进行审查[102］．美国医学会还通过了医疗保健中的增强智能政策，通过强调设计方法和增强人类智能，将人工智能适当地整合到医疗保健中[109］．一个令人担忧的领域是，聊天机器人不受《健康保险携带与责任法案》(Health Insurance Portability and Accountability Act)的保护;因此，用户的数据可能会在不知不觉中被公司出售、交易和营销。110］．另一方面，过度监管可能会降低聊天机器人的价值，减少创新者的自由。因此，平衡这些对立的方面对于促进效益和减少对卫生保健系统和社会的危害至关重要。

未来的发展方向

聊天机器人集成和学习大型临床数据集的健壮性，以及与用户无缝沟通的能力，有助于其广泛集成在各种医疗保健组件中。考虑到目前癌症治疗的现状和挑战，聊天机器人可能会成为该领域持续改进的关键参与者。更具体地说，它们有望通过提高医疗质量、改善人口健康和减少我们医疗保健系统的负担或成本来实现医疗保健的三重目标。除了癌症治疗，聊天机器人还可以通过越来越多的创造性方式应用于医疗保健。在COVID-19大流行期间，聊天机器人已经被用于共享信息、提出行为建议和提供情感支持。它们有可能防止错误信息，发现症状，并在全球大流行期间减轻心理健康负担[111］．在全球卫生层面，聊天机器人已成为一种具有社会责任感的技术，可提供平等获得优质医疗保健的机会，并打破贫富之间的障碍[112］．为了进一步推进医学和知识，在学习和评估教育中使用聊天机器人对于提供客观反馈、个性化内容和成本效益评估至关重要[113］．例如，基于网络的物理教师Einstein应用程序的开发实现了交互式学习和评估，但还远远不够完美。114］．鉴于聊天机器人在医疗保健的许多方面的不同应用，进一步的研究和跨学科合作推动这项技术可能会彻底改变医学实践。

在上述讨论的基础上，以下特征是癌症治疗中聊天机器人未来改进建议的大致方向，其重要性不分先后:

1. 癌症患者可能会感到脆弱或害怕来自雇主或社会的歧视[115］．敏感信息的安全必须达到最高标准，特别是在提供者和医院系统之间共享个人健康信息时。
2. 越来越多的病人带着基于互联网的信息来咨询，这些信息的可信度或可信度没有经过严格的评估。如果使用得当，额外的健康信息可以增进了解，提高管理病情的能力，并在与医生互动时增加信心[116］．不幸的是，情况往往不是这样，大多数患者没有充分了解适当的信息筛选。应对这一挑战的方法包括提高认识和制定患者管理指南。聊天机器人在筛选可信信息方面也有潜力成为关键角色。它们可以帮助弱势群体批判性地浏览基于网络的癌症信息，特别是对于那些往往不太擅长技术的老年人或慢性病患者。
3. 目前聊天机器人作为计算机化决策支持系统在诊断和治疗方面的应用相对有限。大多数产品的目标受众都是患者使用，很少有产品是为了在护理点上帮助医生。Medical Sieve和Watson for Oncology是我们在搜索中发现的唯一专门为临床医生设计的聊天机器人。市场上有更多的人工智能工具来帮助临床决策，但无法与用户交互[117］．随着从电子健康记录中快速收集数据、实时预测和链接到临床建议，将聊天机器人功能添加到当前的决策辅助工具中只会改善以患者为中心的护理，并简化临床医生的工作流程。
4. 更具体的证据表明，在广泛的条件和人群中，高质量和准确性需要更有代表性的训练数据，反映种族偏见，并开发同行评审的算法来减少种族偏见黑盒问题。
5. 整合到医疗保健系统中，特别是与远程医疗相结合，实现从始至终的无缝交付，并不意味着取代面对面护理，而是补充医疗保健工作流程，以确保患者获得连续性和协调的护理。
6. 将聊天机器人服务报销给决定将这项技术应用到实践中的医生，可能会提高采用率。组织和医疗服务提供商可能会从中获利，因为聊天机器人可以提高效率，降低配送成本。
7. 随着新知识的发现，如症状模式或护理标准，需要对聊天机器人进行持续的培训。
8. 维克的研究发现，用户更有可能回答多项选择题而不是开放式问题。38)，聊天机器人开发者应该转向具有更高回复率的选择。应该继续进行研究、调查和焦点小组，以确定与用户交谈的最佳方式。
9. 需要考虑普遍采用各种技术功能，例如使用额外语言进行培训、图像识别、语音识别、根据需要改进服务的用户反馈、在多个公共平台上访问以及对意外响应作出反应。

准确衡量性能的能力对于聊天机器人的持续反馈和改进至关重要，特别是在医疗保健中服务的高标准和弱势群体。鉴于聊天机器人应用于癌症治疗的时间相对较晚，缺乏严格的循证研究。在应用之前，监管机构需要实施用户和聊天机器人之间成功的标准化指标。一旦确定了主要目的，要考虑的常见质量指标是给定操作的成功率、未响应率、理解质量、响应准确性、保留或采用率、参与度和满意度。最终目标是评估聊天机器人是否对医疗保健的3个目标产生积极影响和解决。定期的质量检查对于作为决策辅助工具的聊天机器人尤为重要，因为它们可以对患者的健康结果产生重大影响。

审查的局限性

系统的文献综述和聊天机器人数据库搜索有一些局限性。文献综述和聊天机器人搜索都是由一个审稿人进行的，这可能会带来偏见和有限的结果。此外，我们的审查探讨了广泛的医疗保健主题，一些领域本可以更深入地阐述和探索。此外，由于缺乏针对肿瘤应用程序聊天机器人的研究，因此仅针对肿瘤应用程序聊天机器人的每个子主题纳入了有限数量的研究。未来的研究应考虑改进搜索策略，以确定其他可能被忽视的潜在相关来源，并分配多个评论以限制个体偏见。

结论

正如本文所述，这些聊天机器人在癌症诊断和治疗、患者监测和支持、临床工作流程效率和健康促进方面的潜力尚未得到充分开发。随着聊天机器人的快速发展，需要谨慎导航的众多风险和挑战将继续出现。因此，用批判的眼光衡量收益与威胁是必要的。即使在为安全有效地使用聊天机器人奠定了适当的基础之后，医学实践中的人的因素也是不可替代的，并且将永远存在。医疗保健专业人员有责任了解与聊天机器人相关的好处和风险，并相应地教育他们的患者。