本文内容如下e-collection /主题问题:

数字健康评论(727) 人工智能(602) 聊天机器人和会话代理(173) 机器学习(939)

发表在在第22卷，第8号(2020): 8月

本文的预印本(早期版本)可在https://preprints.www.mybigtv.com/preprint/17158，首次出版。
卫生保健中的会话代理:范围回顾和概念分析

卫生保健中的会话代理:范围回顾和概念分析

卫生保健中的会话代理:范围回顾和概念分析

本文作者:

洛琳·都铎车1、2 作者:Orcid； Dhakshenya Ardhithy Dhinagaran2 作者:Orcid； 恭贺敏觉2 作者:Orcid； 托拜厄斯Kowatsch3 4 5 作者:Orcid； 沙菲克Joty6 作者:Orcid； 挥拍Yin-Leng如何7 作者:Orcid； 里Atun8 作者:Orcid
文章 作者 引自(16) Tweetations (7) 指标

    审查

    1家庭医学与初级保健，新加坡南洋理工大学李光前医学院，新加坡

    2伦敦帝国学院公共卫生学院初级保健和公共卫生系，英国伦敦

    3.未来健康技术计划，卓越研究与技术企业校园(CREATE)，新加坡-联邦理工学院中心，新加坡

    4苏黎世联邦理工学院管理、技术和经济系数字健康干预中心，苏黎世，瑞士

    5瑞士圣加仑大学技术管理学院数字健康干预中心

    6新加坡南洋理工大学计算机科学与工程学院，新加坡

    7新加坡南洋理工大学健康与可持续城市研究中心

    8美国马萨诸塞州波士顿哈佛大学陈曾熙公共卫生学院全球卫生与人口系

    通讯作者:

    Lorainne Tudor Car，医学博士，理学硕士，博士

    家庭医学和初级保健

    李光前医学院

    新加坡南洋理工大学

    曼德勒路11号

    新加坡

    电话:65 69041258

    传真:65 69041258

    电子邮件:lorainne.tudor.car@ntu.edu.sg


    背景:会话代理，也被称为聊天机器人，是设计用来模拟人类文本或口头对话的计算机程序。它们越来越多地应用于包括医疗保健在内的一系列领域。通过实现更好的可访问性、个性化和效率，会话代理具有改善患者护理的潜力。

    摘要目的:本研究旨在回顾当前会话代理在医疗保健中的应用、差距和挑战，并为其未来的研究、设计和应用提供建议。

    方法:我们进行了范围审查。在MEDLINE(医学文献分析与检索系统在线)中进行广泛的文献检索;Ovid)、EMBASE(摘录医学数据库;Ovid)、PubMed、Scopus和Cochrane Central使用“会话代理”、“会话人工智能”、“聊天机器人”和相关同义词进行搜索。2019年4月，我们还使用OCLC (Online Computer Library Center) WorldCat数据库和ResearchGate等资源检索了灰色文献。查阅了相关文章的参考文献列表，以寻找更多的文章。筛选和数据提取由2名审稿人并行进行。采用主题分析的原则，对纳入的证据进行叙事分析。

    结果:文献检索得到47份研究报告(45篇文章和2项正在进行的临床试验)符合纳入标准。已确定的会话代理主要通过智能手机应用程序(n=23)传递，并且仅使用自由文本作为主要输入(n=19)和输出(n=30)方式。描述聊天机器人开发的案例研究(n=18)最为普遍，仅确定了11个随机对照试验。文献中最常报道的3种会话代理应用是治疗和监测、卫生保健服务支持和患者教育。

    结论:关于卫生保健中的会话代理的文献主要是描述性的，旨在治疗和监测以及卫生服务支持。它主要报告基于文本、人工智能驱动和智能手机应用程序交付的会话代理。迫切需要对各种医疗保健会话代理的格式进行强有力的评估，重点是它们的可接受性、安全性和有效性。

    医学与互联网学报，2020;22(8):e17158

    doi: 10.2196/17158

    关键字

    会话代理； 聊天机器人； 人工智能； 机器学习； 移动电话； 卫生保健； 范围审查


    背景

    会话代理或聊天机器人是模拟与用户对话的计算机程序[1］。它们越来越多地被应用于许多不同的领域，包括金融、商业、营销、零售和健身，受到顾客的好评[2]。对话代理通常通过消息应用程序、网站或移动电话应用程序部署。它们也可以集成到汽车和电视机中，或者以扬声器等独立设备的形式集成。他们可以通过文本、图像和语音等多种方式进行交流。能够解释人类语言并通过合成声音做出反应以及管理用户请求的任务的会话代理也被称为语音助理。一些最受欢迎的语音助手包括苹果的Siri、亚马逊的Alexa、谷歌助手和微软的小娜，它们大多使用亚马逊Echo和谷歌Home等声控或智能扬声器提供服务。它们被用来协助或执行诸如基于网络的购物、控制智能家居设备、传播新闻或娱乐等任务[3.-5]。

    会话代理涵盖了广泛的能力范围，从简单的来聪明的［2]。简单的会话代理有基于规则的这意味着它们依赖于预先编写的关键字和开发人员编写的命令。因此，在回答会话代理提出的问题时，用户被限制在预定的选项中，并且很少或根本没有自由回答的机会。如果用户输入一个没有关键字的问题或句子，对话代理将无法理解输入，并会以默认消息回应，例如“对不起，我不明白”[2]。尽管有这些限制，简单的会话代理越来越多地用于执行任务，如预约、购买商品、订购食物和共享信息，而不需要人工参与。2]。

    相比之下，智能会话代理不会给出事先准备好的答案，而是给出充分的建议。这是通过机器学习实现的，机器学习是一种人工智能(AI)，它允许通过从数据(在这种情况下是对话)中学习来扩大计算机系统的能力，而无需明确编程[2，6]。机器将人的命令翻译成计算机可以理解、处理并回复给用户的形式的过程称为自然语言处理(NLP) [6]和自然语言理解或解释[6，7]。这种程度的编程允许生成个性化的会话代理。智能会话代理具有承担更复杂任务的潜力，这些任务涉及更多的交互、推理、预测和准确性。虽然智能会话代理背后的技术在不断发展，但它们目前还不具备完全的人类水平的语言能力，导致误解和用户的不满[8]。此外，随着机器学习算法的发展，跟踪它们的发展、演变及其响应背后的原因变得越来越具有挑战性。这被称为黑箱效应［9，10]。虽然黑箱效应似乎是使用人工智能不可避免的后果，但也有一些新兴的研究使人工智能变得透明和可解释[11]。然而，目前它的使用可能会影响治疗的安全性和准确性，在医疗保健中使用时应仔细监测和评估[9]。

    第一个会话代理伊丽莎是由Weizenbaum [121966年，ELIZA担任了以人为本的罗杰斯式心理治疗师(图1)。这是对人工智能领域的开创性贡献，据报道，它对与会话代理交流的患者产生了积极影响[13]。在ELIZA的基础上又进步了一步帕里，一种模拟患有精神分裂症的偏执狂患者的对话代理被开发出来[14，15]。这些对话代理的第一个例子，聊天机器人在医疗保健领域，它们的价值在于证明虚拟代理有潜力模仿人与人之间的对话，并成功通过图灵测试(一种测试机器复制人类智能的能力的测试)，当测试者无法将机器与人类区分开来时，机器就通过了测试。16]。

    接下来几十年的文献并没有明确提及聊天机器人或会话代理在医疗保健方面，但它确实指的是谈论计算机［17-21]，这是目前用于进行患者满意度调查的会话代理的一种不太复杂的版本[17]，改变成年人的饮食习惯[18]，通过诊断辅助辅助医疗保健服务的提供[19]，促进医患沟通[20.]。尽管没有在文献中提到，聊天机器人Jabberwacky于1988年发布。它是为数不多的为人类互动和娱乐而开发的人工智能代理之一，并引入了从文本操作到语音操作的对话代理的转变。不久之后，ALICE在1995年获得了广泛的关注，之后它在2000年、2001年和2004年三次获得罗布纳奖。

    ‎
    图1所示。对话代理从1966年到2019年的演变。
    查看此图

    对话代理的下一个重要里程碑是在2010年，苹果发布了对话代理Siri。在这一点上，人们对对话代理的兴趣呈指数级增长，谷歌、亚马逊和微软在未来几年都在开发自己的版本:谷歌now、Alexa和Cortana [14]。2016年被评为聊天机器人年随着一些主要的信息技术公司开始使用会话代理:Facebook推出了用于会话代理的信使平台，谷歌宣布采购会话代理开发工具API。例如，LinkedIn发布了其首款即时通讯机器人，Viber发布了用于与企业聊天的公共账户。22-25]。目前，世界上最好的对话代理的头衔由四次获得Loebner奖(人工智能领域的年度竞赛)的Mitsuku持有[26]。

    在智能手机上发短信已经有十年了的医疗保健领域，是对话代理提供干预的理想选择。会话代理实现交互式的双向通信，其基于文本或语音的通信方法使其适用于从幼儿到老年人的各种目标人群。自2002年以来，在卫生保健研究中，使用移动电话短信作为卫生保健干预措施的概念已经出现，并得到了越来越多的探索[27]。一系列有关使用短讯治疗不同健康问题的系统检讨显示，短讯是一种有效和可接受的保健干预措施[28，29]。全球渗透率达96% [28]，移动电话无处不在，被广泛使用，可以有效地在医疗保健中加以利用[30.]。会话代理越来越多地应用于包括卫生保健在内的各个领域，有必要确定在卫生保健中使用会话代理的不同方式和结果。现有的关于会话代理的评论主要集中在代理的某个子类型上，如虚拟教练[31-33]或具体对话代理(eca) [34]或这些代理的特定功能，如行为改变[35]或精神健康申请[36，37]。其他检讨则只涉及对话代理的技术层面，例如系统架构和对话[38]或医疗保健对话界面的资金组成部分[39]。

    目标

    我们的目标是对现有的关于使用以医疗保健为中心的会话代理的研究文献进行全面的概述。我们的目的是研究迄今为止在文献中如何使用和评估会话代理，并绘制出它们的特征。最后，根据文献中观察到的差距，我们试图为未来的会话代理研究、设计和应用提供建议。


    搜索策略

    我们采用了Arksey和O 'Malley框架的更新版本和Peters等人提出的建议[40在2015年进行我们的范围审查。为了确定与会话代理在医疗保健中的应用有关的文献，我们于2019年4月在MEDLINE(医学文献分析和检索系统在线)进行了广泛的文献检索;Ovid)、EMBASE(摘录医学数据库;Ovid)， PubMed, Scopus和Cochrane Central。考虑到该领域的新颖性，以及该领域正在进行的研究的数量，为了增加全面性，我们还在OCLC WorldCat数据库、ResearchGate、Google Scholar、OpenGrey和Google的前10页中搜索了灰色文献。

    我们使用了一个包含63个搜索词的广泛列表，包括会话代理的各种同义词(多媒体附录1)。这些同义词是通过基于网络的搜索和识别讨论医疗保健会话代理的文章标题中使用的特定术语或短语生成的。还检索了相关文章和系统综述的参考文献列表，以查找与该综述相关的其他文章。

    纳入和排除标准

    为了绘制出当前会话代理在医疗保健中的应用，我们纳入了对针对医疗保健特定目的实现的会话代理进行评估和报告结果的初步研究。我们排除了那些只是提出会话代理发展建议的文章，那些简单地提到会话代理或作为综述中无关紧要的一部分的文章，以及那些没有进行或讨论主要研究的观点文章和文章。另一个排除点是关于聊天机器人评估数据报告不佳的文章，其中只有很少或没有评估数据。此外，我们排除了有关eca、关系代理、动画对话代理或其他具有视觉或动画组件的对话代理的文章。

    eca是由电脑产生的具有动画外观的虚拟个人，使使用者与系统能够面对面互动[41]。关系代理是一种ECA，旨在与个人建立长期、深入和有意义的关系[42]。eca类似于会话代理，因为会话是其功能的核心;然而，电子感应系统则较为复杂，因为使用者也可透过电子感应感应到手部动作和面部表情[41]。用户的交互可能会受到非语言行为、图形和程序布局的影响，因此决定与eca相关的复杂性超出了本综述的范围，因此被排除在外。

    筛选，数据提取和分析

    纳入文章的筛选分两个阶段进行:标题和摘要审查和全文审查，由2名审稿人独立进行。在对标题和摘要进行初步筛选后，由2名审稿人获得全文并进行筛选。从纳入的研究中，2名审稿人独立地在Excel (Microsoft)电子表格中提取相关信息。我们提取了关于第一作者、出版年份、文献来源、文章标题、文献类型、研究设计和方法、地理焦点、医疗保健部门、会话代理名称、会话代理的可及性、对话技术、输入和输出模式以及会话代理最终目标性质的数据。我们在至少五篇文章中试用了数据提取表。作者之间讨论了提取数据的潜在差异，并通过讨论和共识来解决。

    我们对纳入的文献进行了叙述性综合，并提出了以下发现:(1)研究细节，如研究设计、地理焦点和文献类型;(2)会话代理的具体情况(即会话代理的传递渠道、对话技巧、个性等);(3)会话代理内容分析;(4)研究评价结果。

    我们使用主题分析的原则来分析对话代理的内容、范围和个性特征。两位研究人员熟悉已确定的文献，生成与人格和内容分析相关的初始代码，将代码应用于纳入的研究，比较他们的发现，并通过讨论解决任何差异。

    de Haan等人在研究中提出的概念激发了展示对话代理人格信息的需求[43]，它认为人格不仅限于人类，还可以扩展到非人类的工件上，以解释他们的行为和行为[43]。此外，它指出人格特征在设计中尤为重要社交互动机器人，例如会话代理。本文提出的人格的5个维度来自以下方面:外向性、宜人性、尽责性、情绪稳定性和文化。在这篇综述中，我们使用这些标题来指导我们对会话代理的人格特征的分析。我们还旨在识别和分析与人格特征有关的会话代理描述中的模式。必要时，有时会将多个代码分配给同一药剂，但这仅限于最多3个代码，以保持一定程度的特异性。


    搜索结果

    最初的数据库检索得到11,401条记录，另外通过灰色文献来源和筛选相关研究的参考文献列表等额外来源检索到28条记录。一共查明并删除了196个重复的题目和摘要，剩下11 233个题目和摘要需要筛选。标题和摘要筛选导致11099条记录被排除，导致134篇全文需要评估是否符合资格。其中87篇文章被排除在外，最终共有47篇报告，包括45项研究和2项正在进行的试验(图2)。

    ‎
    图2。PRISMA流程图。
    查看此图

    纳入研究的特点

    在本范围审查中，40项纳入的研究来自高收入国家(HICs)， 6项来自低收入和中等收入国家(LMICs)。共有22项研究来自欧洲国家，包括意大利[44，45]，瑞士[30.，46-52]，法国[53，54]，葡萄牙[55]、荷兰[56]，联合王国[57-61]，西班牙[62，63]和瑞典[64]。此外，有8项研究来自亚洲国家:菲律宾[65]，中国[66]，日本[67，68]，巴基斯坦[69]，印度[70，71]，以及香港[72]。本综述的研究中承认的其他地理区域包括澳大利亚[73，74]，加拿大[75]，新西兰[76，77]，南非[78]，以及美利坚合众国[79-89]。

    纳入的研究采用了不同的研究设计，包括20个个案研究[44，48，51，61-63，66，69，71，73-79，82，84，85，89]， 4项调查[55，56，59，65]， 3项观察性研究[53，86，87]， 11项随机对照试验[46，49，50，57，64，67，72，80，81，83，88]、3项诊断准确性研究[58，60，68[3]对照研究前后[30.，45，70]， 2项正在进行的试验[51，54]，以及1项初步研究[47) (图3)。

    ‎
    图3。气泡图显示了已确定的研究设计、对话代理类型和纳入文章中的医疗保健主题的分布，并按发表年份绘制。右边的刻度表明气泡的大小与研究的数量有关，其中最小的表示1项研究，最大的表示10项研究。
    查看此图

    文献类型包括25篇期刊文章[44，48，55-57，61-65，67，69，72，74-76，80-87，89]、11篇会议摘要[45，47，49，50，52，59，70，71，73，78，79]、4篇会议论文[30.，46，66，77]， 1海报摘要[68]， 4个电子预印本[53，58，60，88]和2个临床试验方案[51，54]。

    每年的出版物数量都在增加，从2015年的3篇到2016年的5篇，到2017年的10篇，到2018年的23篇。部分作者组在2年内发表了至少2篇论文。Kowatsch等人在2017年至2018年间基于他们的开源行为干预平台MobileCoach发表了3篇论文，该平台允许作者设计一个基于文本的医疗保健对话代理，用于肥胖管理和行为改变[30.，46，90]。Griol等人发表了关于慢性疾病(包括慢性肺病)会话代理的文章[63]及阿尔茨海默病[62]，分别在2015年和2016年。这些富有成效的团队重申了对会话代理这一领域的研究兴趣。此外，高频率的发表表明了在这一领域成功开展研究的可行性和支持。

    被纳入研究的会话主体特征

    会话代理交付通道

    在纳入的研究中，会话代理通过多种方式传递。大多数(n=23)是智能手机应用程序[30.，46-50，53，55，58-61，64，67，70，71，75，77，81，83，85，86，88];基于Web的(n=5) [57，66，73，74，82];台式电脑(n=2) [65，79];使用智能手机内嵌软件(n=6;例如，Siri, Google Assistant, Alexa等)[44，51，62，76，84，87]、电报[45，78]、微信[72]、短讯及多媒体讯息服务[89]、Windows即时通讯工具[56]，或Facebook Messenger [52，80];其中4个在1个以上平台上可用[53，59，68，83]。三项研究没有明确会话代理传递的方法[54，63，69]。

    技术开发方法

    共有8项研究参考了会话代理开发过程的技术细节。有些人提到了特定的工具，如C和MS Access [65]。其他人讨论了众所周知的概念在会话代理开发中的应用，例如使用“计算机是社会行动者”范式来开发健康咨询会话代理，或将结构关联技术(SAT)转换为数字SAT以在LINE平台上实现[67，83]。一些强调数据集的创建和知识库的来源[44]。四项研究提供了一个深入的工作流程，并逐步解释了会话代理的技术开发。Cheng等[79]对开发过程提供了非常详细的技术解释——分为几个部分:在Google家庭设备上的程序开发，webhook和内部逻辑，以及web界面。Galescu等[82]描述了CARDIAC系统架构，包括知识库、任务模型、对话管理、语音识别和语言生成。Griol等[63提出了一个带有所提议的情感识别器的具体细节的口语对话系统。例如，它考虑来自用户的语音输入的音高、频率、能量和节奏。Joerin等[75]为聊天机器人会话代理的开发提供了技术上不那么密集的解释，但提到了过程中使用的技术，如情感算法和机器学习技术[75]。

    输入输出方式

    会话代理可以根据用户输入是固定的(即预定文本)还是不受限制的(即自由文本/语音)进行分类。共有10项研究采用固定文本用户输入[30.，46，47，49，50，52，54，58，83，88]，另有两项研究提供固定的文字及图像输入[67，68]。此外，19项研究允许自由文本用户输入[45，48，51，56，57，60，61，66，69，70，72，74，77，78，80，81，85，86，89]， 4项研究同时使用了固定和自由文本用户输入[53，64，65，73]。在8项研究中启用了语言[44，55，63，71，76，79，82，84]，而在3项研究中使用了自由文本和言论[62，75，87]。1项研究未明确用户输入方式[59) (多媒体附录2)。

    同样，输出方式主要是单独使用文本(n=30) [45-47，49-51，53，54，56-58，60，61，64-66，68-70，72-74，77，78，80，81，83，85，88，89];文本和语音(n=5) [48，55，63，71，87];单独讲话(n=4) [44，79，82，84];文字及图片(n=4) [30.，67，75，86];文字、言语和图像[62];或文字、语音、图像和视频[52，76]。其中1项研究没有指明输入及输出方法[59) (多媒体附录2)。

    会话代理人格

    我们将个体研究中使用的描述性术语浓缩为9个相关人格特征的列表，如中所示表1。

    被纳入研究的对话主体是卫生保健专业人员，比如[57，58，62，66，71，73，74，86]，非正式的[46，52，53，56，61，65，81，85，教练像[47，49，52，64，66，70，80知识渊博的[56，60，68，72，89]，像人一样的[48，78，79，88]，特定文化[47，48，53]，事实的[68，76]，特定性别[46，78]，有些则被明确地认定为对话代理[46，65]。

    一篇文章[78[]报道了一个被批评过于正式的会话代理的性格，一些文章根本没有报道会话代理的性格[30.，44，45，50，51，54，55，59，63，67，69，75，77，82-84，87]。

    表1。本综述中包含的会话代理的人格代码，改编自Haan等人。
    个性编码 描述
    教练喜欢 鼓励、激励和培养
    会话代理身份 显式标识为会话代理
    特定的文化 说本族语或有本族名字
    事实 不作判断，不发表个人意见，根据事实或观察作出反应
    性别特定的 男性和女性版本可供选择
    医疗保健专业人士 被设计成医生或专家，即模仿医疗保健专业人员
    人类就像 例如，为了模仿人类，参与者报告说他们感觉自己在和另一个人说话，或者研究人员使用“打字”等功能使对话更像人类
    非正式的 非正式的，就像和朋友聊天一样。使用感叹号、缩写和表情符号
    知识渊博的 由医学专家创建或告知的内容
    人类的参与

    在一些研究中，用户可以通过对话代理与卫生保健管理员或专业人员进行交流。人员的角色各不相同，可以是管理员，可以通过专门的聊天通道与用户联系以提出问题，也可以是个人，其角色是监视用户在会话代理上的活动并向他们提供个性化反馈。七项研究[30.，46，47，70，72，78，85]报道了人类参与对话，而其他文章则没有。

    会话代理目标

    本综述中所有会话代理均被确定为面向目标的。面向目标的会话代理具有明确定义的端点，并用于执行特定的功能谈天说地没有具体最终目标的代理，不钻研任何话题的细节，其主要目的只是让对话继续下去。91]。以目标为导向的会话代理被进一步分为产生长期和短期结果的会话代理。在纳入的研究中，22篇文章关注的是具有长期目标的会话代理，23篇文章关注的是短期目标(多媒体附录3［30.，44-89])。两项研究报告了具有短期和长期目标的会话代理[45，56]，例如，回答即时查询(短)，提供教育并随着时间的推移增加用户对该主题的知识(长)[56]。具有短期范围的会话代理几乎是在瞬间向用户提供响应或服务，例如回答与健康相关的查询[84]。相反，那些有长期服务范围的人需要与用户建立关系，随着时间的推移，帮助他们克服与健康有关的问题，如戒烟[72]或解决心理健康问题[80]。

    会话代理内容分析

    根据会话代理内容确定了五个不同的主题:治疗和监测(即治疗实施、管理、依从性、支持和监测)、卫生服务支持(即将患者与卫生保健服务联系起来)、教育(即提供卫生保健相关信息)、生活方式行为改变(即支持用户处理各种可改变的健康风险因素)和诊断(即确定疾病或病症的性质)。一些包含的会话代理跨越了几个不同的主题(多媒体附录3和4［30.，44-89])。

    治疗和监测

    总的来说，有17篇文章报道了专注于治疗、监测或康复特定疾病患者的对话代理。一项研究报告说，一种对话代理有助于保持阿尔茨海默病患者的认知能力[62]。另外两项研究侧重于会话代理，为2型糖尿病等代谢疾病提供支持和治疗[70]和肥胖[46]。八项研究展示了使用咨询等技术管理心理健康的对话代理[67];认知行为疗法[64，80水平疗法[57];积极心理学[61];提供虚拟伴侣[66];以及将认知行为疗法与正念疗法、情感聚焦疗法和动机性访谈相结合[75，81]。各有一项研究报告了使用对话代理来监测哮喘患者[85]、爱滋病[45]、心力衰竭[82]和慢性呼吸系统疾病管理[63]。非疾病特异性对话代理被用作健康信息顾问[83]及儿科仿制药顾问[65]。

    医疗保健服务及支援

    总的来说，19项研究报告了用于支持或补充现有卫生保健服务的会话代理。这些任务包括远程提供心理健康支持的保健服务[67，75，81]、乳癌[53，54]，构音障碍[44]，肥胖[50]、糖尿病管理[79]、慢性呼吸系统疾病[63]，哮喘[85]、心力衰竭[82]，以及爱滋病管理[45]。其他研究讨论了会话代理自动化医疗保健服务，如患者病史记录[48，77]，提供健康建议[83]、症状检查[58]，以及分诊和诊断支持[60，69，74]。

    教育

    我们发现了13篇文章，其中会话代理主要用于教育患者或用户。侧重于性健康等主题的教育[59，76]包括有关爱滋病的资料[78]，克服酗酒等不健康的习惯[73]及戒烟[72]，提高幸福感[88]、糖尿病管理[79]、乳癌[53，54]，以及与药物有关的查询[55]以及一般健康[56，84，87]，涵盖了一个以上的重点主题，例如青少年的性、毒品和酒精教育。

    生活方式行为改变

    我们确定了12项研究，在普通人群以及超重和肥胖个体中使用对话代理来改变健康的生活方式行为。两项研究讨论了年轻患者(包括青少年)肥胖管理的对话代理[46，50]。他们在很大程度上雇佣了一个教练式的对话代理来促进体育活动。51]和健康饮食[52]，有时还提供激励措施，并提供如何逆转肥胖的技术[30.，47，49，71]。其他行为改变干预措施使用社交媒体驱动的会话代理来戒烟[72]，一位预防糖尿病的健康教练[86]，一种鼓励成年人进行体育活动的反射伴侣[89]，以及提高心理健康的高情商代理[61]和幸福[88]。

    诊断

    七篇文章介绍了医疗保健会话代理，其主要目的是建立诊断。三篇文章报道了会话代理的分类、诊断或两者的结合，主要采用症状检查器功能[58，60，74]。另有三项研究仅报道了两种对话代理的诊断准确性[69，71，77]。一篇文章报道了一种对话代理，用于诊断性传播感染，以克服与传统诊断方法相关的障碍，如社会耻辱、尴尬和不适，这些诊断方法需要与卫生保健专业人员进行医学访谈[68]。

    会话代理评价

    包括评估会话代理的研究，报告了它们的准确性(在信息检索、诊断和分类方面)、用户可接受性和有效性。一些研究报告了不止一种结果，例如可接受性和有效性。总的来说，评价数据大多是积极的，有一些研究报告了会话代理的缺点或用户遇到的技术问题。17项研究以调查、问卷等形式提供了参与者的自我报告数据。在16项研究中，以BMI变化、用户交互次数等形式对数据进行了客观评估。在12项研究中，混合了自我报告和客观评估的结果，两项正在进行的试验没有报告结果(多媒体附录4)。

    准确性:信息、诊断和分诊

    11项研究报告了会话代理的准确性[44，58，60，66，68，69，71，74，76，77，82) (多媒体附录4)。Middleton等[58]和Razzaki等人[60]分别评估了两个版本的巴比伦会话代理:巴比伦检查和巴比伦聊天机器人分诊和诊断。在这两项研究中，对话代理都使用临床小插曲测试了他们的分类和诊断准确性，就像在皇家全科医师学院的会员考试中一样，并将他们的表现与医生的表现进行了比较。研究发现，与医生和护士相比，对话代理更准确、更快，并提供更安全的分诊和诊断。同样，Ghosh等[74]和Danda等人[71]评估会话代理的一般诊断准确性，这些准确率分别为82%和86%。Ni等[77对Chatbot MANDY进行了评估，该机器人设计用于自动接收患者，基于其症状对患者进行充分诊断的能力。对呼吸问题、胸痛、头痛和头晕的预测准确率分别为100%、64%、25%和14% [77]。此外，两项研究测试了用于性健康目的的会话代理的准确性[68，76]。Kobori等人使用的会话代理[68诊断性传播感染的准确率为77.7%，在鼓励患者尽早就诊方面效果显著(97.7%)。相反，Wilson等[76比较了智能助手——谷歌助手、Siri和谷歌搜索——以确定它们在回答有关性健康的问题时的准确性。研究发现，谷歌搜索选项提供的答案最好，而且失败率也最低。76]。另一项研究比较了3种已知的虚拟助手——siri、谷歌助手和亚马逊alexa——识别构音障碍患者语音的能力。44]。它们的表现都很相似(识别率为50-60%)，Siri是唯一一个试图解析所有输入对话的代理。44]。两项研究讨论了两种对话代理在儿童和青少年诊断中的准确性[66，69]。Teenchat诊断压力的准确率为78.34% [66]，而Aquabot对畏光症的准确率分别为85%、86.64%和87.2%(3组18-28岁)，对自闭症的准确率分别为88%、87.6%和87.53%(3组1-7岁)[69]。最后，Galescu等[82讨论了对话代理的准确性心脏用于心力衰竭患者的语音识别。发现了大量的错误，并将其归因于语言模型中词汇覆盖不足out-of-vocab比率3% [82]。

    有效性

    8项研究评估了卫生保健对话代理的有效性[47，52，57，61，70，75，81，84]。此外，有10项研究报告了其有效性和可接受性，其中5项在此介绍[49，64，67，80，86]，其余部分列于可接受性（多媒体附录4)。五项研究描述了以健康生活方式改变为目标的对话代理，特别是健康饮食[52]，积极的生活方式[49]，肥胖[47]和糖尿病管理[70，86]。Casas等[52报道了食物消费的改善，而Stasinaki [47]和Heldt等人[49注意到身体活动表现的提高，并具有很高的依从性。Shaikh等[70]报道成功降低HbA1 c(糖化血红蛋白)水平Wellthy糖尿病，而Stein等人[86减肥成功(2.38%)，对糖尿病预防聊天机器人的满意度也很高，达到87%。

    八项研究指出了对话代理在心理健康应用中的有效性[57，61，64，67，75，80，81，84]。会话代理苔丝Fulmer等[81与对照组相比，在抑郁和焦虑方面有统计学上显著的改善。两项研究着眼于在年轻人中使用基于机器学习的会话代理进行CBT [64，80]。会话代理既有效(减少抑郁和感知压力水平，改善心理健康)，也很受欢迎(与聊天应用程序的高参与度和高满意度)[64，80]。Joerin等人重现了这种积极效应[75］，来自苔丝的情感支持分别减少了18%和13%的焦虑和抑郁症状[75]。Inkster等[61]采用患者健康问卷-9自我报告抑郁量表发现，与低用户组相比，高用户组的抑郁得分有显著改善[61]。此外，67.7%的用户认为应用程序的使用是有帮助和鼓励的[61]。在Kamita等人的研究[67]，与对照组相比，咨询机器人鼓励用户在自尊、焦虑和抑郁方面有显著改善。除了有效性之外，在会话代理条件下，使用技术接受模型的用户可接受性评分比对照组更高[67]。Gaffney等[57提出了一个会话代理MYLO在解决问题和提供帮助方面明显优于现有的对话代理ELIZA，但两者在减轻痛苦方面同样有效。Miner等[84比较了苹果的Siri、微软的Cortana、三星的S Voice和谷歌Now回答有关心理健康、人际暴力和身体健康问题的能力。Siri对有关抑郁和身体健康的问题作出了适当和同情的回应，Cortana对涉及人际暴力的问题作出了适当和同情的回应。84]。

    可接受性

    共有26项研究评论了会话代理的可接受性(多媒体附录4)。以上讨论了五项评价可接受性和有效性的研究[49，64，67，80，86(参见有效性节)，其余21项研究载列于此[30.，45，46，48，50，53，55，56，59，62，63，65，72，73，78，79，83，85，87-89]。有几项研究(n=6)针对儿童或青少年。三项研究讨论了关于药物、哮喘管理、药物、性和酒精的健康教育的对话媒介[56，65，85]。可接受性通常由高反应率和分数表示强烈同意或同意为方便使用者、适当性、一致性及反应速度[65]。此外，Crutzen等研究中的用户[56在现有的信息提供方法中，更倾向于对话代理。在另外3项研究中，会话代理被用于青少年肥胖的管理[30.，46，50]。在所有的研究中，接受度都很高，这可以从聊天的乐趣中得到证明;结合;社会和情感关系的形成;以及高度感知的易用性、有用性和使用意图[30.，46，50]。在L 'Allemand等人的研究[50］，高依从性归功于奖励游戏系统。

    在4项研究中，医疗保健会话代理针对慢性疾病[55，62，63，79]。具体情况包括阿尔茨海默病、糖尿病、心力衰竭和慢性呼吸道疾病。Cheng等人的研究[79]，用户的反应是积极的，特别是对会话代理的个性化功能和会话代理理解和响应自然会话流的能力。一些困难包括学习命令、有限的回答选项、缓慢的处理速度和一些有问题的回答[79]。Lobo等[55]以可用性的形式报告用户可接受性，其中会话代理的系统可用性得分为88，这是考虑的很好。Griol等[62在判断会话代理的可接受性时，考虑了阿尔茨海默病患者的照顾者的观点。该系统的总体评分(从0到10)为8.6，该应用程序被认为是有吸引力的、充分的、适合于其目的的。在另一项研究中，Griol等[63]为慢性呼吸系统疾病患者使用了一种情绪敏感的对话代理，这些患者在互动率、频率和同理心方面对该代理的评价明显高于基线版本。

    另有3项研究涉及性健康和/或艾滋病毒管理[45，59，78]。他们指出，在这一领域，会话代理可以用于各种功能，如预约、获得测试结果、治疗和事件提醒。45]。此外，van Heerden等人研究的会话代理[78作为一种咨询工具，它很受欢迎，因为它有一个类似头像的个人资料图像，对话被嵌入到一个熟悉的聊天界面中，用户将其与另一个人交谈联系起来。在Nadarzynski等人的研究[59］，用户青睐对话代理，因为它作为一款方便的智能手机应用无处不在，而且它能够提供视频咨询等远程服务，潜在地缓解了用户在亲自讨论性健康问题时可能存在的任何顾虑。

    两项研究采用了情感敏感的对话代理进行心理健康咨询和一般健康信息咨询[83，88]。在Liu等人的研究中[83］，富有同情心的对话代理比只提供建议的情况下得到了更积极的评价。另一个改善幸福感的对话代理从那些认为它是积极的参与者那里获得了积极的反馈一次有趣的经历，很快,有趣的［88]。

    在3项研究中，会话代理被用于健康行为改变，特别是针对戒烟、酒精滥用治疗和促进体育活动[72，73，89]。在戒烟方面，参加者表示在与谈话代理人交谈时感到愉快，而38.3%的人表示在过去一周内没有吸烟，69.4%的人承认吸烟频率有所减少，亦显示戒烟的成效[72]。在Elmasri等人的研究[73]，参与者(年轻人)报告说，使用会话代理来管理和治疗酒精滥用的满意度更高。通过使用反思伴侣来促进身体活动，反应率很高(基线时96%，随访时90%)，暗示整个研究过程中都有很高的参与度。此外，在规定的研究期间之外使用该系统是可行性的一个指标。此外，33名参与者中有16人选择在没有任何奖励的情况下继续，这表明参与者发现使用对话系统有一些附加价值。89]。

    两项研究调查了卫生保健服务提供中对话代理的可接受性[48，87]。结果定性报告，包括对易用性的评论，聊天机器人的人性化，用户对可用输入功能的舒适度以及对技术困难的批评[48]。Bickmore等[87更具体地说，比较了会话助手Siri、Alexa和谷歌助手提供的健康信息，发现Alexa的满意度最低，Siri的满意度最高。整体而言，满意度评分为中性，中位数为4分(IQR 1-6) [87]。

    一项研究讨论了针对改善乳腺癌患者的生活质量和药物依从性的特定条件会话代理应用[53]。参与者在与会话代理互动时暗示了积极的体验，其中88%的人表示它为他们跟踪治疗提供了支持，并提到他们会向朋友推荐会话代理。总体满意度为94% [53]。


    主要研究结果

    我们的范围审查确定了45项研究和2项正在进行的临床试验。尽管会话代理已广泛应用于各个领域，但它们在医疗保健领域的应用仍处于起步阶段，研究结果表明，最近(2016-2018)发表的许多文献都证明了这一点。大多数会话代理使用文本输入，基于机器学习，并提供移动应用程序。在卫生保健会话代理相关文献中，最常报道的三个主题是治疗和监测、卫生服务支持和患者教育。评估会话代理的研究结果通常是积极的，报告了会话代理的有效性、准确性和可接受性。然而，目前缺乏可靠的评价，主要是小型案例研究。

    我们的回顾显示，文献中报道的大多数医疗保健会话代理都使用了机器学习，并且是以长期目标为导向的。这表明会话代理正在从执行简单的事务性任务向更复杂的终点发展，如长期疾病管理[80和行为改变[30.]。在本综述中确定的大多数会话代理都是针对患者的，只有少数是针对医疗保健专业人员的，例如，通过自动接收患者或帮助患者分诊和诊断。此外，关于使用对话代理来支持正式和非正式护理人员的研究是有限的，并且可能是一个富有成效的探索领域，鉴于之前对精神病患者护理人员使用数字技术的系统评论[92]或痴呆症[93已经显示出积极的结果。

    我们的研究结果显示，基于文本的会话代理占主导地位，只有少数应用程序使用语音作为主要的交流模式。然而，某些人群，如老年人，可能更习惯于通过语音进行互动，因为有些人可能会发现在智能手机上的小键盘上打字的灵活性具有挑战性且耗时。此外，我们评测中包含的大多数会话代理都是基于应用程序的。研究表明，使用应用程序(需要下载并定期更新)通常与高辍学率和低使用率相关[94]。这些缺点似乎并不适用于Facebook Messenger、iMessage、Telegram、微信(WeChat)或WhatsApp等通讯应用程序，这些应用程序已经在普通人群中广泛使用。未来的研究应该致力于通过在目标人群已经经常使用的平台中嵌入未来的医疗保健对话代理来克服智能手机应用带来的这一限制。拥有众多发行平台选择的优势在于对话代理相对于智能手机应用的新颖性，这一点应该得到进一步探索。

    最近一项关于eca和其他对话代理有效性的系统综述指出，缺乏一种既定的方法来评估医疗保健中的对话代理，并且缺乏关于不良影响的数据[32]。这与我们的发现相一致，大多数研究都是个案研究，缺乏潜在不良影响的信息。需要考虑的副作用可能与会话代理对话的内容有关，这些内容可能不准确、不基于证据或不适合特定情况。例如，如果心理健康会话代理用户有自杀倾向，那么会话代理可能没有最好的装备来处理这种情况，并可能提供不适当的建议，使用户处于致命的风险中。与使用基于机器学习的对话代理相关的黑箱效应可能会产生额外的不良影响，因为它们的建议在某种程度上是不可预测的[95]。此外，允许自由文本输入的会话代理可能会导致严重的隐私问题，特别是对于弱势群体，因为个人可以在对话中共享私人和敏感数据[96]。如果会话代理被赋予类似于医疗保健专业人员的角色，则需要监管委员会进行严格的认证。

    在审查中确定的会话代理应用的卫生保健部门通常非常广泛，只涉及少数专业，包括精神卫生[97]，神经退行性变[62]、代谢医学(肥胖[47]和糖尿病[70，79])，以及性健康[68]。未来的应用可能会扩展到其他医疗保健领域，在这些领域，有证据表明数字健康干预的潜力，如皮肤科[98]，初级保健[99]，老年病学[One hundred.]和肿瘤学[101]。

    还需要进行更多的地理多样性研究。虽然我们的综述确定了12篇以亚洲为地理焦点的文章，但来自中等收入国家的证据很少，而且没有来自低收入国家的研究。然而，数字卫生举措在发展中国家正变得越来越普遍，通常具有不同的、具体情况的范围，例如确保利用社交媒体获得卫生保健[102]。为了确保安全有效地使用在高收入国家环境中开发的解决方案，还需要进行更多的研究，以证实这些药物在中低收入国家中的安全性、有效性和可接受性。此外，重要的是探索将会话代理整合到现有卫生系统和服务中。一个混合动力系统在美国，数字技术对医疗保健服务的补充越来越被视为最佳解决方案[103]。这反映了我们的认识，即会话代理在支持而不是取代医疗保健专业人员方面将是最有利的。在大多数研究中，会话代理是独立开发和呈现的，没有人类的支持，并且与现有的医疗保健交付模式分离，从长远来看，这可能是不可持续的。未来的研究应考虑评价混合动力系统在他们的医疗服务中包含会话代理，正如一些纳入的研究所报告的那样，在这些研究中，会话代理通过与医生的频繁会议和电话进行补充。

    虽然研究报告了准确性、疗效、有效性和可接受性作为结果，但没有测量成本、效率，或者当使用该解决方案代替或增加卫生专业人员的工作时，该解决方案如何提高生产率。因此，不可能确定所制订的解决办法与其他办法相比是否具有成本效益。

    优势与局限

    我们对多个数据库进行了全面的文献检索，包括灰色文献来源。在我们的搜索策略中，我们优先考虑敏感性而不是特异性，以捕获医疗保健中会话代理使用摄取的整体表示。然而，鉴于该领域的新颖性和所使用的术语，一些在专题会议或会议上讨论的未发表的研究可能被省略。此外，尽管我们的会话代理的主题分类是基于彻底的分析、团队讨论和共识，但它可能不是所有的，可能需要随着新会话代理的出现而进一步发展。此外，虽然一些会话代理属于多个主题，但为了清晰起见，我们大多根据应用的主导模式对它们进行分类。最后，我们排除了关于聊天机器人评估数据报告不佳的文章;因此，我们可能错过了一些医疗保健会话代理(多媒体附录5［36，97，104-188])。我们决定排除这些，因为它们似乎对我们的综述没有任何额外的或值得注意的贡献。所呈现的人格特征以一篇关于聊天机器人人格分配的参考论文为指导[43也可以是几篇文章中描述性术语的浓缩。许多对话代理的内容和发展描述缺乏深度和广度，这使我们有机地为本文开发了一个框架。因此，该框架仍是探索性的，并经调整以适应本检讨的目的，并很可能通过更深入的分析(如先前发表的框架)加以探索和进一步完善。[189]。

    结论

    会话代理是一种很有前途的技术形式，将用于医疗保健，但尚未得到有力的评估。迄今为止，文献中报道的大多数会话代理都是基于文本、机器学习驱动和移动应用交付的。未来的研究应侧重于评估与目标人群的需求和偏好相一致的各种对话代理格式的可行性、可接受性、安全性和有效性。还需要对卫生保健相关会话代理的开发和评估提供更明确的指导，并进一步探索会话代理在现有卫生系统中的作用。

    致谢

    这项研究得到了新加坡南洋理工大学老龄化社会与教育研究所(ARISE)的支持。这项研究也得到了新加坡总理办公室国家研究基金会卓越研究和技术企业校园(CREATE)计划的支持。

    作者的贡献

    LTC构思了这项研究的想法。DD、BK、LC对文章进行了筛选。DD, BK和LC提取并分析数据。DD和LC写了手稿。BK, TK, JR, RA和YLT对手稿进行了批判性的修改。

    利益冲突

    TK隶属于数字健康干预中心，该中心是苏黎世联邦理工学院管理、技术和经济系与圣加仑大学技术管理学院联合发起的一项倡议，部分资金由瑞士健康保险公司CSS提供。TK也是Pathmate Technologies的联合创始人，Pathmate Technologies是一家大学衍生公司，负责创建和提供数字临床路径。其他作者宣称他们没有竞争利益。

    ‎
    多媒体附录1

    搜索策略。

    DOCX文件，18kb
    ‎
    多媒体附录2

    会话代理中用户输入(蓝色)和输出(绿色)的类型。

    DOCX文件，32kb
    ‎
    多媒体附录3

    在纳入的研究中报告的会话代理的特征。

    DOCX文件，44kb
    ‎
    多媒体附录4

    纳入研究的特征。

    DOCX文件，45 KB
    ‎
    多媒体附录5

    排除的研究清单和排除的原因。

    DOCX文件，30kb
    1. 聊天机器人。《牛津生活词典》1990。URL:https://en.oxforddictionaries.com/definition/chatbot[2020-07-18]访问
    2. 什么是聊天机器人以及如何将其用于您的业务。媒介。2017。URL:https://medium.com/swlh/what-is-a-chatbot-and-how-to-use-it-for-your-business-976ec2e0a99f[2020-07-18]访问
    3. 2017年智能音箱销量增长了两倍多。广告牌。2017。URL:https://www.billboard.com/articles/business/8085524/smart-speaker-sales-tripled-25-million-year-2017[2020-07-18]访问
    4. 报告称，3900万美国人现在拥有智能音箱。Tech Crunch, 2018。URL:https://techcrunch.com/2018/01/12/39-million-americans-now-own-a-smart-speaker-report-claims/[2020-07-18]访问
    5. 智能音箱2018:到2023年的全球市场预测-主要供应商包括Alphabet、亚马逊、哈曼国际、阿里巴巴和Sonos。Cision美通社2018。URL:https://www.prnewswire.com/news-releases/smart-speakers-2018-world-market-forecast-to-2023---key-vendors-covered-include-alphabet-amazon-harman-intl-alibaba-and-sonos-300676460.html[2020-07-18]访问
    6. 开发聊天机器人?了解人工智能，机器学习和NLP之间的区别。聊天机器人生活，2016。URL:https://chatbotslife.com/developing-a-chatbot-learn-the-difference-between-ai-machine-learning-and-nlp-40a3f745aec4[2020-07-18]访问
    7. 自然语言生成:概述。计算机科学学报，2012;1(3):50-57 [J]免费全文] [CrossRef］
    8. 什么是聊天机器人?关于聊天机器人你需要知道的一切!Botpress:开源会话AI平台。2018。URL:https://botpress.io/learn/what-and-why/[访问日期:2020-07-18][WebCite缓存］
    9. 理解人工智能的“黑匣子”。Reddit。2018。URL:https://www.reddit.com/r/artificial/comments/9iapbc/understanding_the_black_box_of_artificial/[访问日期:2020-07-18][WebCite缓存］
    10. Lewis C, Monnet D.《人工智能和机器学习黑盒子:透明度和问责制的必要性》。kd掘金新闻，2017。URL:https://www.kdnuggets.com/2017/04/ai-machine-learning-black-boxes-transparency-accountability.html[2020-07-18]访问
    11. 霍尔姆EA，为黑盒辩护。Science 2019年4月5日;364(6435):26-27。［CrossRef] [Medline］
    12. ELIZA——一个研究人与机器之间自然语言交流的计算机程序。通信学报，2012;9(1):36-45。［CrossRef］
    13. Deryugina机汇。聊天机器人。科学技术进展，2010年9月5日;37(2):143-147。［CrossRef］
    14. 聊天机器人的历史。未来主义:科技新闻与视频。2016。URL:https://futurism.com/images/the-history-of-chatbots-infographic/[2020-07-21]访问
    15. 人工偏执狂:偏执狂过程的计算机模拟。美国纽约:Elsevier;2013.
    16. McTear M, Callejas Z, Griol D.对话界面:与智能设备对话。瑞士:施普林格国际出版公司;2016.
    17. 罗斯医疗中心。让手指来说话。电脑使病人满意度调查变得轻而易举。玫瑰医疗中心，丹佛，CO.概况健康标志1992(48):40-44。［Medline］
    18. delihatsios HK, Friedman RH, Glanz K, Tennstedt S, Smigelski C, Pinto BM，等。“会说话的电脑”改善成年人饮食习惯的随机试验。中华卫生杂志;2001;15(4):215-224。［CrossRef] [Medline］
    19. 你友好的邻居诊断辅助说话电脑。医院1981年10月16日;55(20):105- 6,108,113。［Medline］
    20. 傅立民RB, Newsom RS, Entine SM, Cheung S, Schultz JV。用会说话的电脑模拟病人和医生的接触。中华医学杂志，1997,31;38(18):1927-1929。［Medline］
    21. Migneault JP, Farzanfar R, Wright JA, Friedman RH。如何为会说话的计算机编写健康对话框。中华生物医学杂志;2006;39(5):468-481 [J]免费全文] [CrossRef] [Medline］
    22. 2016年:聊天机器人大热的一年。聊天机器人生活，2016。URL:https://chatbotslife.com/2016-the-year-when-chatbots-were-hot-3d61046527f9[2020-07-18]访问
    23. 为什么2016年将成为机器人年?O 'Reilly Media Inc. 2016。URL:https://www.oreilly.com/ideas/why-2016-is-shaping-up-to-be-the-year-of-the-bot[2020-07-18]访问
    24. Goebel T. 2016 -聊天机器人年。Aspect Blog. 2016。URL:https://blogs.aspect.com/2016-the-year-of-the-chatbot/[2020-07-18]访问
    25. 关于机器人的令人不安的真相:它们惨败的3个原因。聊天机器人杂志，2017。URL:https://chatbotsmagazine.com/3-uncomfortable-reasons-why-chatbots-are-failing-8913901a29e5[2020-07-18]访问
    26. L. Mitsuku获得2019年Loebner奖和AISB X. AISB -人工智能和行为模拟研究学会最佳整体聊天机器人奖。URL:https://aisb.org.uk/new_site/?p=350[2020-07-18]访问
    27. Neville R, Greene A, McLeod J, Tracey A, Tracy A, Surie J.手机短信可以帮助年轻人控制哮喘。中国生物医学工程学报;2009;33 (3):391 [J]免费全文] [CrossRef] [Medline］
    28. Hall AK, Cole-Lewis H, Bernhardt JM。手机短信促进健康:对审查的系统审查。公共卫生年度报告2015年3月18日;36:393-415 [免费全文] [CrossRef] [Medline］
    29. [j] .手机应用程序和短信作为身心健康干预措施的使用:系统评价。]医学互联网研究，2017年8月24日;19(8):e295 [J]免费全文] [CrossRef] [Medline］
    30. 李建军，李建军，李建军，李建军。基于行为健康干预平台MobileCoach的移动聊天应用设计与评价。信息系统与技术设计科学研究国际会议，2017,DESRIST;2017年5月30日至6月1日;德国卡尔斯鲁厄。［CrossRef］
    31. Tropea P, Schlieter H, Sterpi I, Judica E, Gand K, Caprino M，等。康复，医疗护理中虚拟教练的巨大缺位:范围审查。[J]中国医学杂志，2019;21(10):e12805 [J]免费全文] [CrossRef] [Medline］
    32. Laranjo L, Dunn AG, Tong HL, Kocaballi AB, Chen J, Bashir R，等。会话代理在医疗保健:系统回顾。医学信息学报，2018;25(9):1248-1258 [J]免费全文] [CrossRef] [Medline］
    33. 刘建军，刘建军，刘建军，等。医疗保健中会话代理的个性化:系统评价。医学互联网研究，2019年11月7日;21(11):e15360 [J]免费全文] [CrossRef] [Medline］
    34. 刘建军，刘建军，李建军。临床心理学中具身会话行为的研究进展。中国医学信息学报，2017;19(5):e151 [J]免费全文] [CrossRef] [Medline］
    35. Pereira J, Díaz O.使用健康聊天机器人来改变行为:一项地图研究。医学系统学报，2019年4月4日;43(5):135。［CrossRef] [Medline］
    36. Hoermann S, McCabe KL, Milne DN, Calvo RA。同步文本对话系统在心理健康干预中的应用:系统综述。[J]中国医学杂志，2017;19(8):e267 [J]免费全文] [CrossRef] [Medline］
    37. Vaidyam AN, Wisniewski H, Halamka JD, Kashavan MS, Torous JB。心理健康中的聊天机器人和会话代理:对精神病学前景的回顾。中华精神病学杂志;2019;36 (7):456-464 [J]免费全文] [CrossRef] [Medline］
    38. J, da Costa CA, da Rosa Righi R.健康会话代理调查。专家系统应用2019 9月7日;129(11):56-67。［CrossRef］
    39. 邢震，于峰，杜军，Walker JS, Paulson CB, Mani NS，等。健康对话界面:拨款、出版物和专利的文献计量分析。中国医学杂志，2019年11月18日;21(11):e14672 [J]免费全文] [CrossRef] [Medline］
    40. Peters MD, Godfrey CM, Khalil H, McInerney P, Parker D, Soares CB。进行系统范围审查的指南。国际医学杂志，2015;13(3):141-146。［CrossRef] [Medline］
    41. 具体化会话代理。聊天机器人。URL:https://www.chatbots.org/embodied_conversational_agent/[2020-07-18]访问
    42. 关系型代理。东北大学。URL:http://www.ccs.neu.edu/home/bickmore/agents/[2020-07-18]访问
    43. 陈建军，陈建军，陈建军。聊天机器人个性特征与用户满意度的关系研究。信息支持研究。2018。URL:https://research.infosupport.com/wp-content/uploads/Chatbot-Personality-and-Customer-Satisfaction-Bachelor-Thesis-Information-Sciences-Hayco-de-Haan.pdf[2020-07-18]访问
    44. balati F, Corno F, de Russis L。“嘿，Siri，你听得懂我吗?”:虚拟助手和构音障碍。第七届智能环境可靠性国际研讨会。2018，发表于:WoRIE'18;2018年6月25日至28日;罗马，意大利https://www.researchgate.net/publication/325466714_Hey_Siri_do_you_understand_me_Virtual_Assistants_and_Dysarthria
    45. Vita S, Marocco R, Pozzetto I, Morlino G, Vigilante E, Palmacci v。“阿波罗医生”聊天机器人:提高艾滋病毒感染者参与度的数字健康工具。中国艾滋病防治杂志，2018;21(增刊8):557 - 557 [J]免费全文] [CrossRef] [Medline］
    46. 李建军，李建军，李建军，李建军。基于文本的医疗聊天机器人在儿童肥胖研究中的应用。第17届智能虚拟代理国际会议。2017，在:IVA'17;2017年8月27日至30日;斯德哥尔摩，瑞典https://tinyurl.com/yxpmarws
    47. 刘建军，刘建军，刘建军，等。一种新的数字健康干预可以改善肥胖青少年的身体表现。瑞士医学周刊2018年5月;148:10s-10s [免费全文］
    48. 王志强，王志强，Pöpel A, May R.基于会话式用户界面的自我记忆研究。方法中华医学杂志，2018;57(5-06):243-252。［CrossRef] [Medline］
    49. Heldt K, Buchter D, Brogle B, Shih C, Ruegger D, Filler a .超重青少年的远程医疗治疗:使用行为健康平台的新型智能手机应用程序干预的初步结果。肥胖事实2018年5月11日(增刊1):214-215 [免费全文］
    50. L'Allemand D, Shih C, Heldt K, Buchter D, Brogle B, Ruegger D.使用行为健康干预平台的超重青少年智能手机应用程序设计与中期评估。肥胖评论2018年12月19日(增刊1):102。
    51. 一个包含聊天机器人指导和激励的智能手机应用程序能增加健康成年人的体育锻炼吗?临床试验，2017。URL:https://clinicaltrials.gov/ct2/show/NCT03384550[2020-07-18]访问
    52. Casas J, Mugellini E, about Khaled O.食物日记辅导聊天机器人。参见:2018年ACM国际联合会议和2018年普适和普适计算与可穿戴计算机国际研讨会论文集。2018年发表于:UbiComp'18;2018年10月8日至12日;新加坡1676-1680页。［CrossRef］
    53. Chaix B, Bibault JE, Pienkowski A, Delamon G, guillemassasur A, Nectoux P，等。当聊天机器人与患者见面:乳腺癌患者与聊天机器人对话的为期一年的前瞻性研究。中国生物医学工程学报(英文版);5(1):888 - 888 [j]免费全文] [CrossRef] [Medline］
    54. 人工智能vs医生获取乳腺癌患者信息。临床试验，2018。URL:https://clinicaltrials.gov/ct2/show/NCT03556813[2018-07-18]访问
    55. Lobo J, Ferreira L, Ferreira a . CARMIE:心力衰竭的会话药物助理。国际电子卫生医学杂志，2017;8(4):21-37。［CrossRef］
    56. 郭志强，郭志强，郭志强。一个人工智能聊天代理，可以回答青少年有关性、毒品和酒精的问题:一项探索性研究。青少年健康杂志;2011;48(5):514-519。［CrossRef] [Medline］
    57. Gaffney H, Mansell W, Edwards R, Wright J.管理你的在线生活(MYLO):学生样本中基于会话计算机的问题解决干预的试点试验。行为认知心理学报，2014,11(6):731-746。［CrossRef] [Medline］
    58. Middleton K, Butt M, Hammerla N, Hamblin S, Mehta K, Parsa A.症状分类:“巴比伦检查”自动分诊系统的设计与评价。康奈尔大学。URL:https://arxiv.org/abs/1606.02041[2020-07-22]访问
    59. 李建军，李建军，李建军，等。基于人工智能的聊天机器人服务的可接受性研究。数字健康2019;5:2055207619871808 [免费全文] [CrossRef] [Medline］
    60. 刘建军，刘建军，刘建军，等。人工智能与人类医生在分诊诊断中的比较研究。康奈尔大学。URL:https://arxiv.org/abs/1806.10698[2020-07-22]访问
    61. 李建军，张建军，张建军，等。基于人工智能的数字心理健康研究。JMIR移动健康Uhealth 2018 11月23日;6(11):e12106 [j]免费全文] [CrossRef] [Medline］
    62. Griol D, Callejas Z.上下文感知护理应用的移动会话代理。计算机工程学报，2015,8(2):336-356。［CrossRef］
    63. 张建军，张建军，张建军，等。情感敏感会话界面在电子治疗中的应用。见:生物和医学中的人工计算:自然和人工计算之间相互作用的国际工作会议，IWINAC 2015，埃尔切，西班牙，2015年6月1-5日，论文集，第一部分。柏林:斯普林格;2015.
    64. 李建军，李建军，李建军。一种促进心理健康的全自动会话代理:一种混合方法的试验RCT。互联网访谈2017年12月10:39-46 [免费全文] [CrossRef] [Medline］
    65. Comendador BE, Francisco BB, Medenilla JS, Mae S. pharabot:一个儿科仿制药咨询聊天机器人。自动化与控制工程学报。2015。URL:http://www.joace.org/index.php?m=content&c=index&a=show&catid=42&id=218[2020-07-22]访问
    66. 黄军，李强，薛毅，程涛，徐生，贾军，等。青少年聊天:一个用于感知和释放青少年压力的聊天机器人系统。见:卫生信息科学国际会议。海德堡:施普林格;可能2015:133 - 145。
    67. 李建军，李建军，李建军，等。基于SAT咨询方法的心理健康聊天机器人系统。2019年3月3日;2019(2):1-11。［CrossRef］
    68. 王晓明，王晓明，王晓明，等。基于人工智能的性传播感染筛查研究进展。杂志2018年04月03日;199(4S):1-11。［CrossRef］
    69. Mujeeb S, Hafeez M, Arshad T. Aquabot:一个诊断恐惧症和自闭症的聊天机器人。[J] .计算机科学与应用，2017;8(9):39-46。［CrossRef］
    70. Sosale A, Shaikh M, Shah A, Chawla R, Makkar B, Kesavadev J，等。数字治疗在改善南亚2型糖尿病患者血糖控制方面的实际有效性糖尿病2018年5月;67(增刊1):866-P-86640。［CrossRef］
    71. Danda P, Srivastava BML, Shrivastava M. Vaidya:健康领域的口语对话系统。参见:第十三届国际自然语言处理会议论文集。2015年发表于:国际自然语言处理会议;2016;印度瓦拉纳西。
    72. 王慧，张强，叶敏，刘辉。基于社交媒体的健康管理与干预。计算机2018 Aug 03;51(8):26-33。［CrossRef］
    73. 李建军，李建军。基于会话代理的网络心理健康干预。在:脑信息学和健康。可汗:施普林格;2016年9月23日。
    74. Ghosh S, Bhatia S, Bhatia a . Quro:使用个性化的面向聊天机器人的对话系统促进用户症状检查。种马卫生技术通报2018;252:51-56。［Medline］
    75. Joerin A, Rauws M, Ackerman ML.心理人工智能服务，Tess:为患者及其护理人员提供按需支持:技术报告。《医学进展》2019年1月28日;11(1):e3972 [j]免费全文] [CrossRef] [Medline］
    76. Wilson N, MacDonald EJ, Mansoor OD, Morgan J.在床上与Siri和Google Assistant:性健康建议的比较。中国医学杂志2017年12月13日;359:j5635。［CrossRef] [Medline］
    77. 倪磊，陆超，刘楠，刘杰曼蒂:面向智能初级保健的聊天机器人应用。专业领域:知识与系统科学。海德堡:施普林格;2017.
    78. van Heerden A, Ntinga X, Vilakazi K.对话代理提供快速艾滋病毒咨询和检测服务的潜力。见:数据科学前沿与进展国际会议(FADS)。2017年数据科学前沿与进展国际会议(FADS);2017;中国西安。［CrossRef］
    79. 程安，Raghavaraju V, Kanugo J, Handrianto YP。基于Google home的老年2型糖尿病患者健康应对语音界面应用的开发与评价2018年出席:第15届IEEE年度消费者通信与网络会议;1月,12 - 15;拉斯维加斯，内华达州，美国［CrossRef］
    80. Fitzpatrick KK, Darcy A, vierhiile M.使用全自动对话代理(Woebot)对有抑郁和焦虑症状的年轻人进行认知行为治疗:一项随机对照试验。中华医学会心理健康杂志2017年06月;4(2):e19 [j]免费全文] [CrossRef] [Medline］
    81. Fulmer R, Joerin A, Gentile B, Lakerink L, Rauws M.使用心理人工智能(Tess)缓解抑郁和焦虑症状:随机对照试验。中华医学杂志;2018年12月13日;5(4):e64 [j]免费全文] [CrossRef] [Medline］
    82. 李建军，李建军，李建军，等。一种基于语音识别的病人健康监测系统。2009年发表于:2009 IEEE国际生物信息学与生物医学研讨会;2009年11月1日至4日;美国华盛顿特区。［CrossRef］
    83. 机器应该表达同情和同理心吗?用健康建议聊天机器人做实验。网络心理行为学报，2018;21(10):625-636。［CrossRef] [Medline］
    84. Miner AS, Milstein A, Schueller S, Hegde R, Mangurian C, Linos E.基于智能手机的会话代理及其对心理健康、人际暴力和身体健康问题的回应。JAMA Intern Med 2016 May 01;176(5):619-625 [j]免费全文] [CrossRef] [Medline］
    85. Rhee H, Allen J, Mammen J, Swift M.基于手机的青少年哮喘自我管理辅助(mASMAA):可行性研究。患者偏好依从性2014;8:63-72 [j]免费全文] [CrossRef] [Medline］
    86. 斯坦N，布鲁克斯k。用于减肥的全自动会话人工智能:超重和肥胖成年人的纵向观察研究。JMIR糖尿病2017 11月01日;2(2):e28 [j]免费全文] [CrossRef] [Medline］
    87. bikmore TW, Trinh H, Olafsson S, O'Leary TK, Asadi R, Rickles NM，等。使用会话助手获取医疗信息时，患者和消费者的安全风险:对Siri、Alexa和谷歌助手的观察性研究。医学互联网研究，2018年9月04日;20(9):e11510 [J]免费全文] [CrossRef] [Medline］
    88. ghandharioun A, McDuff D, Czerwinski M, Rowan K. EMMA:提高幸福感的情商个人助理。Researchgate网站。URL:https://www.researchgate.net/publication/330035444_EMMA_An_Emotionally_Intelligent_Personal_Assistant_for_Improving_Wellbeing[2020-07-22]访问
    89. 肖林，谢格。反思同伴:一种吸引用户参与体育运动反思的会话系统。ACM交互暴民可穿戴无处不在的技术2018年07月05日;2(2):1-26。［CrossRef］
    90. 李建军，李建军，李建军，李建军。基于文本的医疗聊天机器人中人际关系亲密线索对依恋关系和继续互动愿望的影响:实验设计。苏黎世大学。URL:https://www.zora.uzh.ch/id/eprint/158352/1/Kowatsch%2520et%2520al%25202018%2520InterPersCloseness-of-THCB.pdf[2020-07-22]访问
    91. ReDial:用于弥合闲聊和目标导向聊天机器人之间差距的推荐对话框。微软。URL:https://www.microsoft.com/en-us/research/blog/redial-recommendation-dialogs-for-bridging-the-gap-between-chit-chat-and-goal-oriented-chatbots/[2020-07-22]访问
    92. 刘建军，刘建军，刘建军。精神病患者护理人员的数字技术:系统综述。中华医学会心理健康分会2018年09月05日;5(3):e55 [j]免费全文] [CrossRef] [Medline］
    93. 鲁吉诺N, Brown EL, Li J, Scaccianoce M.农村痴呆护理人员与技术:证据中国老年护理杂志2018;11(4):216-224。［CrossRef] [Medline］
    94. B李K, Kwon H,李,李G,李JH,公园年,et al。自我监测对患者长期使用移动医疗应用程序的影响科学通报，2018;13(7):e0201166 [j]免费全文] [CrossRef] [Medline］
    95. 论文综述:巴比伦聊天机器人。Wordpress。URL:https://coiera.com/2018/06/29/paper-review-the-babylon-chatbot/[2020-07-22]访问
    96. Thompson D, Baranowski T.聊天机器人作为儿童肥胖干预的扩展器:邀请评论“通过AI行为指导聊天机器人Tess支持儿童肥胖和糖尿病前期治疗的可行性”。中华临床医学杂志，2019;9(3):448-450。［CrossRef] [Medline］
    97. D'Alfonso S, santestebane - echarri O, Rice S, Wadley G, Lederman R, Miles C，等。人工智能辅助青少年心理健康在线社交治疗。精神病学杂志2017;8:796 [j]免费全文] [CrossRef] [Medline］
    98. 张建军，张建军，张建军，等。数字健康传感技术在皮肤医学研究中的应用。传感器(巴塞尔)2019 8月5日;19(15):3426。［CrossRef] [Medline］
    99. 李建军，李建军，李建军，等。成人2型糖尿病患者的数字健康干预:患者对糖尿病自我管理教育和支持的看法的定性研究医学与互联网研究，2018;29 (2):40 [J]免费全文] [CrossRef］
    100. Bhattarai P, Phillips JL。数字健康技术在老年人疼痛管理中的作用:一项综合审查。中华老年医学杂志2017;68:14-24。［CrossRef］
    101. Devine KA, Viola AS, Coups EJ, Wu YP。针对青少年和青年癌症幸存者的数字健康干预措施。中华临床肿瘤杂志2018;21 -15。［CrossRef］
    102. 仙露DB。医疗保健社交媒体:发展中国家用户的期望。中国医学杂志[j]; 2013;2(2): 1 - 4 [j]免费全文] [CrossRef] [Medline］
    103. Kerr D, Axelrod C, Hoppe C, Klonoff DC。2030年的糖尿病和科技:乌托邦还是反乌托邦的未来?糖尿病医学杂志，2018;35(4):498-503。［CrossRef] [Medline］
    104. Mascitti I, Feituri M, Funghi F, Correnti S. COACH BOT:支持虚拟教练工具的模块化电子课程。2010年7月1日发表于:国际代理与人工智能会议;2010;1月,22 - 24。［CrossRef］
    105. 杨建军，杨建军，杨建军，等。基于聊天机器人的系统组织的编程工具:对门诊和转化医学的启示。生物工程学报，2016;7(2):403-407。［CrossRef］
    106. Ahmad NS, Sanusi MH, Abd Wahab MH, Mustapha A, Sayadi ZA, Saringat MZ。药房会话机器人:一种自然语言方法。2018年IEEE开放系统会议(ICOS);2018年11月21日至22日;兰卡威岛，马来西亚。［CrossRef］
    107. 亚历山大农协。计算机辅助验光——附实例教程。[J] .光学学报，1999;50(9):730-736。［CrossRef] [Medline］
    108. 聊天机器人与电子健康:自动化医疗保健。那不勒斯大学。URL:http://ceur-ws.org/Vol-1982/paper6.pdf[2020-07-22]访问
    109. Atay C, Ireland D, Liddle J, Wiles J, Vogel A, Angus D，等。P3-404:基于智能手机的聊天机器人能吸引年长的社区成员吗?专业化内容的影响。《老年痴呆症杂志》2016年7月1日;12:P1005-P1006。［CrossRef］
    110. 提高自动电子教练的依从性。用反馈方法改善老年司机驾驶行为的说服策略。可汗:施普林格;2016.
    111. Brixey J, Hoegen R, Lan W, Rusow J, Singla K, Yin X. Shihbot:一个关于hiv/aids性健康信息的facebook聊天机器人。在:第18届SIGdial年度讨论与对话会议论文集。2017年发表于:第18届SIGdial年度讨论与对话会议引用本出版物;2017;德国萨尔布吕肯。［CrossRef］
    112. Callejas Z, Griol D, McTear F, López-Cózar R.基于感知计算和移动健康的主动老龄化虚拟教练。环境辅助生活和日常活动2014:-。［CrossRef］
    113. Cameron G, Cameron D, Megaw G, Bond R, Mulvenna M, O'Neill S.面向数字咨询的聊天机器人。在第31届英国计算机学会人机交互会议上发表于:第31届英国计算机学会人机交互会议;2017年7月3日至6日;桑德兰大学，英国［CrossRef］
    114. Cameron G, Cameron D, Megaw G, Bond R.心理健康领域聊天机器人设计的最佳实践——以iHelpr为例。2018年第32届国际人机交互会议论文集，发表于:2018年英国人机交互会议;2018;贝尔法斯特。［CrossRef］
    115. 钟健，朴瑞祥。基于聊天机器人的医疗保健服务，具有用于云计算的知识库。集群计算2018年3月16日;22(S1):1925-1937。［CrossRef］
    116. 库伯A，爱尔兰d。为自闭症谱系中不会说话的儿童设计一个聊天机器人。猪健康技术通报2018;252:63-68。［Medline］
    117. 李建军，李建军，李建军。基于会话用户界面的移动自我记忆应用研究。集群计算2019年1月22日(1):-。［CrossRef］
    118. Dharwadkar R, Deshpande NA。一个医疗聊天机器人。[J] .计算机科学与技术，2018;60(1):- []免费全文］
    119. Divya S, Indumathi V, Ishwarya S, Priyasankari M, Devi SK.基于人工智能的自诊断医疗聊天机器人。Web开发与网页设计学报;2018;3(1):-。
    120. Do HI，付文涛。基于积极情绪体验的医疗信息移情虚拟助手。2016，发表于:2016 IEEE国际医疗信息会议;2016;美国。
    121. 杜波松，薛尔R，萨维兹R，舒马赫M.社交网络戒烟计划:超越复吸高峰:聊天机器人的机会。瑞士医学信息2017年9月20日:-。［CrossRef］
    122. 法蒂勒·A，加布里埃利·s。应对促进健康生活方式的挑战:人工智能聊天机器人方法。2017年第11届EAI医疗普及计算技术国际会议论文集，发表于:医疗普及计算技术国际会议;2017年5月23-26日;西班牙巴塞罗那。［CrossRef］
    123. 刘建军，刘建军。基于自适应学习的会话式用户界面研究。2017年出席:第25届用户建模、适应和个性化会议;2017年7月9日至12日;伯拉第斯拉瓦(捷克斯洛伐克。［CrossRef］
    124. Fadhil A, Diaconu M, Gabrielli S, Villafiorita A. CoachAI:一个会话UI辅助的电子教练平台。康奈尔大学，2017年。URL:https://arxiv.org/abs/1904.11961[2020-07-22]访问
    125. 超越病人监护:会话代理在远程医疗和家庭生活老年人医疗保健支持中的作用。康奈尔大学。URL:https://arxiv.org/abs/1803.06000[2020-07-22]访问
    126. 聊天机器人能决定我的饮食吗?:解决餐饮推荐聊天机器人应用的挑战。康奈尔大学。URL:https://arxiv.org/abs/1802.09100[2020-07-22]访问
    127. 提高服药依从性的对话界面:在患者治疗中实现人工智能支持。康奈尔大学。URL:https://arxiv.org/abs/1803.09844[2020-07-22]访问
    128. 王毅，王玉华。健康教练辅助会话代理的有效性研究。方法中华医学杂志，2019;58(1):9-23。［CrossRef] [Medline］
    129. 用于慢性心力衰竭患者健康监测的智能会话助手。Researchgate网站。URL:https://www.researchgate.net/publication/228374471_CARDIAC_An_intelligent_conversational_assistant_for_chronic_heart_failure_patient_heath_monitoring[2020-07-22]访问
    130. 李建军，李建军，李建军，李建军。基于个人健康管理的个人健康管理助手研究。生物医学通报2010;43(5增刊):S13-S16 [J]免费全文] [CrossRef] [Medline］
    131. 针对肥胖和超重儿童母亲的电报健康教育程序的实施和可行性研究。Researchgate网站。URL:https://tinyurl.com/y49e6xsj[2020-07-22]访问
    132. 从书籍到机器人:使用医学文献创建聊天机器人。Researchgate网站。URL:https://www.researchgate.net/publication/304358640_From_Books_to_Bots_Using_Medical_Literature_to_Create_a_Chat_Bot[2020-07-22]访问
    133. SLOWBot(聊天机器人)生活方式助手。ACM数字图书馆。URL:https://dl.acm.org/doi/10.1145/3240925.3240953[2020-07-22]访问
    134. 会话系统，以帮助用户访问医疗领域的Web资源。ResearchGate网站。URL:https://www.researchgate.net/publication/261031810_Conversational_System_to_Assist_the_User_when_Accessing_Web_Sources_in_the_Medical_Domain[2020-07-22]访问
    135. 刘建军，刘建军，刘建军，等。使用基于alexa的智能代理进行患者指导，增加超重和肥胖癌症幸存者的身体活动:技术帮助(PATH)试验的身体活动方案。JMIR Res协议2018 Feb 12;7(2):e27 [j]免费全文] [CrossRef] [Medline］
    136. Allergybot:一款针对外出就餐食物过敏的年轻人的聊天机器人技术干预。2017中国计算机科学年会论文集:计算系统中的人的因素。2017。URL:https://www.semanticscholar.org/paper/A-Conversational-System-to-Assist-the-User-when-Web-Gatius-Namsrai/b6e0f6874204f77fea2b57005470f17e1d5f8d3f[2020-07-22]访问
    137. 库伯A，爱尔兰d。为自闭症谱系中不会说话的儿童设计一个聊天机器人。猪健康技术通报2018;252:63-68。［Medline］
    138. 帕金森病患者的聊天机器人:科幻小说还是现实?卫生技术和信息学研究。URL:https://www.researchgate.net/publication/280726980_Chat-Bots_for_People_with_Parkinson 's_Disease_Science_Fiction_or_Reality[2020-07-22]访问
    139. 你好，哈莉:通过聊天机器人对话实现语音监控。卫生技术和信息学研究。URL:https://www.researchgate.net/publication/323104602_Hello_Harlie_Enabling_Speech_Monitoring_Through_Chat-Bot_Conversations[2020-07-22]访问
    140. 张建军，张建军。一种基于智能会话代理的医疗保健领域研究。中国生物医学工程学报，2014,31(3):772-776。［CrossRef］
    141. 克拉默JN, k nzler F, Mishra V, Presset B, Kotz D, Smith S，等。调查干预成分和探索智能手机应用程序促进身体活动的接受状态:一项微随机试验方案。中国生物医学工程学报(英文版);2019;8(1):1158 - 1158 [j]免费全文] [CrossRef] [Medline］
    142. 吴建军，李德德，高宝士，贤杰，崔海军。移情机器人:具有聊天助手的精神病学咨询会话服务。猪健康技术通报2017;245:1235。［Medline］
    143. 李丹，吴建军，崔海军。聊天机器人能感受到你——一种利用情绪反应生成的咨询服务。2017年发表于:IEEE大数据与智能计算国际会议(BigComp);2017年2月13-16日;韩国济州岛。［CrossRef］
    144. Lokman AS, Zain JM。聊天机器人中关键字匹配的单匹配和全匹配分类。应用科学学报，2010;7(10):1406-1411。［CrossRef］
    145. 糖尿病患者虚拟营养师(Virtual Dietitian, ViDi)的架构设计。IEEE探索。2009。URL:https://ieeexplore.ieee.org/document/5234671?reload=true&arnumber=5234671[2020-07-22]访问
    146. 设计糖尿病患者聊天机器人。软件工程与计算机系统国际会议。URL:https://www.researchgate.net/publication/266872926_Designing_a_Chatbot_for_Diabetic_Patients[2020-07-22]访问
    147. 一种使用经过训练的聊天机器人进行医疗援助的新方法。ResearchGate网站。URL:https://www.researchgate.net/publication/318474956_A_novel_approach_for_medical_assistance_using_trained_chatbot[2020-07-22]访问
    148. Marciel KK, Saiman L, Quittell m, Dawkins K, Quittner AL.手机干预提高囊性纤维化护理团队，患者和家长的依从性。儿科肺科杂志2010;45(2):157-164 [j]免费全文] [CrossRef] [Medline］
    149. 聊天机器人在放射学教育中的应用。欧洲放射学会。URL:https://epos.myesr.org/poster/esr/ranzcr2018/R-0095[2020-07-22]访问
    150. 刘建军，刘建军，刘建军。面向心理健康应用的人工移情对话代理:系统设计和用户感知。[J]医学互联网研究，2018;26;20(6):e10148 [J]免费全文] [CrossRef] [Medline］
    151. 基于情感对话分析和句子生成的心理咨询聊天机器人。IEEExplore。URL:https://ieeexplore.ieee.org/document/7962482[2020-07-22]访问
    152. Likita:改善非洲医疗服务的医疗聊天机器人。2018中国计算机学会计算系统中人因会议全文摘要。URL:https://www.researchgate.net/publication/330522151_Likita_A_Medical_Chatbot_To_Improve_HealthCare_Delivery_In_Africa[2020-07-22]访问
    153. 重要的聊天机器人维度:来自战壕的经验教训。Web工程。URL:https://link.springer.com/chapter/10.1007/978-3-319-91662-0_9[2020-07-22]访问
    154. 自动医疗聊天机器人。SSRN。URL:https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3090881[2020-07-22]访问
    155. 关于开发用于治疗结核病的移动虚拟助手的提案(2018年)。Repositório da production o USP。URL:https://repositorio.usp.br/item/002939130[2020-07-22]访问
    156. SleepBot:使用智能聊天机器人鼓励睡眠卫生。ResearchGate网站。URL:https://www.researchgate.net/publication/331428159_SleepBot_encouraging_sleep_hygiene_using_an_intelligent_chatbot[2020-07-22]访问
    157. HomeNL:自然语言家庭护理援助。一种用于高血压患者管理的智能会话代理。通信科学指导中心。URL:https://hal.archives-ouvertes.fr/inria-00519752/[2020-07-22]访问
    158. 聊天机器人在医疗咨询系统中的应用。IEEEXplore。URL:https://ieeexplore.ieee.org/document/8621678[2020-07-22]访问
    159. 健康搜索者的健康聊天机器人。国际工程与计算机科学杂志。URL:http://www.ijecs.in/index.php/ijecs/article/view/720[2020-07-22]访问
    160. MamaBot:一个基于ML和NLP的系统，用于支持怀孕期间的妇女和家庭。语义的学者。URL:https://www.semanticscholar.org/paper/MamaBot%3A-a-System-based-on-ML-and-NLP-for-Women-and-Vaira-Bochicchio/c6ac5cdb449e1e08bc0321a675e88d95b1dc88b6[2020-07-22]访问
    161. 聊天机器人和会话界面:三个使用领域。欧洲经委会研讨会论文集。URL:http://ceur-ws.org/Vol-2101/paper8.pdf[2020-07-22]访问
    162. 陈建军，陈建军，陈建军，陈建军，陈建军，陈建军。一个有说服力的电脑助手提供自我管理反馈的在线生活日记。科技保健2009;17(3):253-267。［CrossRef] [Medline］
    163. 迈向成人全自动心理治疗- BAS -通过网络和手机的行为激活调度。语义的学者。URL:https://www.semanticscholar.org/paper/Towards-Fully-Automated-Psychotherapy-for-Adults-Griffioen-Both-Cuijpers/43b3c78317a273c7ec46c1696370bf68e42b30fb[2020-07-22]访问
    164. Allen J, Ferguson G, Blaylock N, Byron D, Chambers N, Dzikovska M，等。切斯特:找一个私人药物顾问。生物医学杂志;2006;39(5):500-513 [J]免费全文] [CrossRef] [Medline］
    165. 张建军，张建军，张建军。基于会话代理的多种健康行为自动干预研究。中华病毒学杂志;2013;42 (2):142-148 [j]免费全文] [CrossRef] [Medline］
    166. 评价聊天机器人和智能会话代理的质量。出来了。URL:https://arxiv.org/ftp/arxiv/papers/1704/1704.04579.pdf[2020-07-22]访问
    167. 会话代理与心理健康:语言与情感的理论评估。斯坦福大学。URL:http://ilpubs.stanford.edu:8090/1141/1/healthDialog.pdf[2020-07-22]访问
    168. Rizzo AA, Lange B, Buckwalter JG, Forbell E, Kim J, Sagae K，等。用于提供医疗保健信息和支持的智能虚拟人系统。种马健康技术通报2011;163:503-509。［Medline］
    169. 不同的测量指标来评估聊天机器人系统。ACM数字图书馆。URL:https://dl.acm.org/doi/10.5555/1556328.1556341[2020-07-22]访问
    170. Dr. Vdoc:一个充当虚拟医生的医疗聊天机器人。研究与评论:医学科学与技术杂志。URL:http://medicaljournals.stmjournals.in/index.php/RRJoMST/article/view/30[2020-07-22]访问
    171. Kazi H, Chowdhry B, Memon Z. MedChatBot:基于UMLS的医学生聊天机器人。[j] .中国生物医学工程学报，2012,30(5):391 - 391。［CrossRef］
    172. 教练我:促进健康生活方式的平台。ResearchGate网站。URL:https://www.researchgate.net/publication/307573372_Coach_Me_A_Platform_For_Promoting_Healthy_Lifestyle[2020-07-22]访问
    173. Bickmore TW, Pfeifer LM, Byron D, Forsythe S, Henault LE, Jack BW等。健康素养不足的患者对会话代理的可用性:来自两项临床试验的证据中华卫生杂志2010;15增刊(2):197-210。［CrossRef] [Medline］
    174. Lindenberg K, Moessner M, Harney J, McLaughlin O, Bauer S.电子健康个体化预防饮食失调。临床实践与流行病学杂志2011;7:74-83 [j]免费全文] [CrossRef] [Medline］
    175. 王丽娟，王丽娟。青少年心理健康在线咨询环境的研究。计算机学报(英文版);2016;55:62-6。［CrossRef］
    176. 道林M，里克伍德D.调查个人在线同步聊天咨询过程和治疗结果的年轻人。环境卫生2015年1月30日;12(3):216-224。［CrossRef］
    177. 道林M，瑞克伍德D.同步网络聊天咨询对青少年心理困扰、生活满意度和希望影响的自然主义研究。精神病学研究2015;7;15(4):274-283。［CrossRef］
    178. 黄洪涛，黄海涛，黄海涛，黄海涛。使用会话代理向老年人解释药物说明。中国生物医学工程学报，2018;18 (5):559 - 564 [j]免费全文] [Medline］
    179. 布朗RL，麦克德莫特RJ，马蒂PJ。一种健康与安全操作会话信息计算机系统:职业监测交互系统(OSIS)。[J] .中国生物医学工程学报，1981,42(11):824-830。［CrossRef] [Medline］
    180. Crutzen R, Bosma H, Havas J, Feron F.我们能从一项失败的试验中学到什么:对有社会心理问题的青少年不参加基于聊天的干预试验的洞察。BMC Res Notes 2014 Nov 20;7:824 [免费全文] [CrossRef] [Medline］
    181. 陈晓明，陈晓明，陈晓明。智能会话代理在医疗保健领域的应用前景?猪健康技术通报2019;259:77-84。［Medline］
    182. 设计健康聊天机器人。康奈尔大学。URL:https://arxiv.org/abs/1902.09022[2020-07-22]访问
    183. Mindbot:基于社交的医疗虚拟助手。IEEEXplore。URL:https://ieeexplore.ieee.org/document/7776377?reload=true[2020-07-22]访问
    184. 李建军，李建军，李建军，李建军。基于智能手机和会话代理的人格改变干预:一项随机、等待对照试验的研究方案。中华医学杂志2018年9月4日;6(1):43 [j]免费全文] [CrossRef] [Medline］
    185. 帕拉尼卡A, Flaschner P, Thommandram A, Li M, Fossat Y.医生对医疗保健中聊天机器人的看法:横向网络调查。医学互联网研究，2019年4月05日;21(4):e12887 [J]免费全文] [CrossRef] [Medline］
    186. 用于分析和诊断精神疾病的智能聊天机器人。ResearchGate网站。URL:https://www.researchgate.net/publication/329416982_INTELLIGENT_CHATBOT_FOR_ANALYSIS_AND_DIAGNOSIS_OF_THE_PSYCHIATRIC_DISORDERS[2020-07-22]访问
    187. 利用开源平台MobileCoach设计即时自适应干预和医疗保健聊天机器人。圣加仑大学。URL:https://www.alexandria.unisg.ch/255053/[2020-07-22]访问
    188. 聊天机器人和人工智能的新世界。交互。URL:https://interactions.acm.org/archive/view/july-august-2017/chatbots-and-the-new-world-of-hci[2020-07-22]访问
    189. 张建军，张建军，张建军，等。虚拟语音助手人格感知与欲望的比较研究。2018年发表于:英国人机交互大会;2018年7月;贝尔法斯特。［CrossRef］

    ‎
    人工智能:人工智能
    认知行为疗法:认知行为疗法
    ECA:具身会话代理
    EMBASE:摘录医学数据库
    嗝:高收入国家
    LMIC:低收入和中等收入国家
    MEDLINE:在线医学文献分析与检索系统
    NLP:自然语言处理
    OCLC:网上电脑图书馆中心
    坐:结构关联技术

    G·艾森巴赫编辑;提交22.11.19;A . Kocaballi, E . Judica的同行评审;对作者的评论09.12.19;修订版本收到11.04.20;接受13.06.20;发表07.08.20

    版权

    ©Lorainne Tudor Car, Dhakshenya Ardhithy dinagaran, bone Myint Kyaw, Tobias Kowatsch, Shafiq Joty, Yin-Leng Theng, Rifat Atun。原载于医学互联网研究杂志(//www.mybigtv.com)， 2020年7月8日。

    这是一篇在知识共享署名许可(https://creativecommons.org/licenses/by/4.0/)下发布的开放获取文章，该许可允许在任何媒介上不受限制地使用、分发和复制，前提是原始作品首次发表在《医学互联网研究杂志》上，并适当引用。必须包括完整的书目信息，到//www.mybigtv.com/上原始出版物的链接，以及版权和许可信息。
    Baidu
    map