《Bioengineering》:Generative Artificial Intelligence in Health Research and Care: A Narrative Review of Applications and Implications for Alzheimer’s Disease and Related Dementia
生成式人工智能(generative artificial intelligence, AI),尤其是大型语言模型(large language models, LLMs)和深度生成网络(deep generative networks),正在改变阿尔茨海默病及相关痴呆(Alzheimer’s disease and related dementia, ADRD)研究与照护的格局。本叙述性综述(narrative review)旨在综合生成式AI在ADRD研究与照护中的当前应用,突出伦理与实施挑战,并提出将生成式AI负责任地整合入临床实践的策略。研究人员对2016年至2026年间发表的文献、监管文件、项目报告及相关资料开展了叙述性综述,重点聚焦认知筛查(cognitive screening)、合成数据生成(synthetic data generation)、数字孪生建模(digital twin modeling)与照护者支持(caregiver support)。所讨论的技术包括生成对抗网络(generative adversarial networks, GANs)、变分自编码器(variational autoencoders, VAEs)、扩散模型(diffusion models)、多模态变换器(multimodal transformers)以及由LLM驱动的聊天机器人(LLM-powered chatbots)。生成式AI可实现虚拟患者伴侣(virtual patient companions)、通过对话代理(conversational agents)开展远程认知评估(remote cognitive assessments)、多模态图像到文本工具(multimodal image-to-text tools)、合成数据增强(synthetic data augmentation)、疾病进展模拟(disease progression simulation)以及改善照护者沟通(caregiver communication)等应用。挑战包括模型可解释性(model explainability)、临床验证(clinical validation)、监管合规(regulatory compliance)、隐私(privacy)、数据偏倚(data bias)、幻觉风险(hallucination risk)、患者自主性(patient autonomy)及全球差异(global disparities)。负责任的开发需要透明报告(transparent reporting)、利益相关者共同设计(stakeholder co-design)、严格的临床与经济验证(rigorous clinical and economic validation)以及部署后持续监测(continuous post-deployment monitoring),以支持真实世界环境中的公平性与有效性(fairness and effectiveness in real-world settings)。
1. Introduction
该部分回顾AI与机器学习(machine learning, ML)在ADRD神经影像、遗传风险、实验室指标、认知评估和多模态数据中的进展,指出传统模型在可解释性、数据变异和小样本代表性方面仍限制临床转化;随后引出生成式AI与LLMs的内容生成、信息综合和自然语言对话能力,并说明现有综述多聚焦传统ML/深度学习(deep learning, DL)诊断分类,缺少对生成式AI、患者与照护者应用、伦理监管及实施问题的整合评述,本文据此提出综述目标。
Review Approach and Search Strategy
该部分说明采用叙述性综述,检索PubMed、Scopus和Google Scholar等来源,时间范围为2016—2026年,将ADRD人群词与生成式AI、LLM、聊天机器人、GANs、VAEs、扩散模型、合成数据、数字孪生及治理相关词组合,并纳入监管文件、项目报告、网页和公司新闻稿;优先2022年以后的LLM证据,辅以方法学、伦理、监管和实施议题的主题检索。
2. Background: From Conventional AI to Generative Models in ADRD
该部分梳理ADRD中从监督学习、支持向量机(support vector machines, SVMs)、随机森林和卷积神经网络(convolutional neural networks, CNNs)到多模态融合的演进,指出基于阿尔茨海默病神经影像学倡议(Alzheimer’s Disease Neuroimaging Initiative, ADNI)等数据的分类性能较高但泛化性仍受关注;同时概述认知评估、电子健康记录(electronic health records, EHRs)和自然语言处理应用,并强调生成式AI与判别式模型不同,可生成合成数据、支持自然语言交互和生物医学知识生成。
3. LLMs for Cognitive Assessment, Patient Interaction, and Caregiver Support
3.1. Conversational Agents for Screening
该部分总结LLM聊天机器人作为虚拟认知筛查者的证据:零样本提示在自发语音任务中的总体准确率有限,类别特异召回率不能等同总体性能,且提示设计、模型版本和训练数据污染等会影响结果;提示工程、任务微调或将LLM作为特征提取器可能更有价值,远程自动化认知测试具有可行性,但尚缺前瞻性、预注册和外部临床筛查人群验证,因此应仅作为临床判断的辅助工具。
3.2. Virtual Companions and Support Chatbots
该部分概述基于GPT的虚拟伴侣和对话系统用于回忆疗法、日常交流和情感支持的研究,指出小样本试点显示患者重视AI互动的新颖性,但仍强调人类联系不可替代;同时提示过度依赖可能加剧社会隔离,LLM幻觉对认知受损者尤其危险,情感依赖、知情同意、数据归属和认知安全仍需作为设计原则,非欺骗披露、使用限制、人工升级和依赖监测应成为要求。
3.3. LLMs for Caregiver Support
该部分总结面向ADRD照护者的LLM工具:基于检索增强生成(retrieval-augmented generation, RAG)和 curated 内容的系统可改善可用性和感知共情,CareHeroes类应用在可用性试点中显示可行性信号而非疗效证据;通用模型虽能提供帮助,但在全面性、来源引用和可读性方面存在不足,定制系统尚未在头对头比较中证明比通用模型更准确或更安全。
3.4. Interface Modality, Research Thrusts, and Frontiers
该部分讨论文本、语音和具身机器人等交付模态对可用性和失败模式的影响:屏幕聊天机器人易审计但依赖识字和视力,语音更可及但受语音识别错误影响,痴呆患者词错误率更高且存在种族差异;具身代理增加社会临场感但受控证据有限。该部分将LLM文献归纳为语音语言筛查、患者伴侣、照护者信息与辅导、模态与具身、安全与评价科学五个前沿,并强调痴呆特异性暴露限制、非欺骗标准和盲法长期设计。
4. Generative Models for Data Augmentation and Multimodal Integration
4.1. Synthetic Data Generation
该部分说明GANs、VAEs和LLMs用于生成合成影像、临床文本和症状叙述,以缓解数据稀缺、类别不平衡和隐私约束;合成数据可改善代表性、支持隐私保护共享和“假设”病例探索,但仍需关注真实性、伪影、偏倚放大、再识别风险、效用评估和去标识化保障。
4.2. Research Thrusts, Case Studies, and the Frontier for Deep Generative Models
该部分总结跨模态合成、短采集PET恢复和扩散模型替代GANs的研究前沿:条件于真实输入的合成在插补和恢复任务中显示价值,扩散模型在样本多样性和部分任务性能上显示潜力,但存在采样计算成本、记忆化和隐私风险;因此记忆审计、跨扫描仪与跨人群外部验证及临床医生阅片应成为共享合成ADRD数据的前提。
4.3. Multimodal Generative AI
该部分指出ADRD涉及神经影像、临床文本和生物标志物,多模态生成AI尤其是视觉语言变换器可支持跨模态检索、描述生成、零样本分类和医学图像合成;这些方法可用于数据增强和模拟代表性不足的疾病模式,但仍处于实验阶段。
4.4. Digital Twins and Simulation
该部分概述数字孪生通过整合多模态数据模拟疾病进展、预测结局和个体化治疗;条件受限玻尔兹曼机(Conditional Restricted Boltzmann Machines, CRBMs)可模拟患者轨迹并复现真实纵向数据的相关结构,但个体水平预测仍有限,试验中更多作为预后协变量(prognostic covariate, PROCOVA)而非替代对照臂,且独立非生成方法也可获得相近样本量节省,提示收益可能来自预后统计而非生成保真度。
4.5. Comparative Assessment of Model Families and Balance of Evidence
该部分比较主要生成模型家族的优缺点、计算与数据需求和临床就绪度,指出生成式AI在条件于真实输入的插补/恢复、低数据增强、LLM特征提取或微调分类器以及基于 curated 内容的照护者可用性方面显示益处;证据尚不能证明其在进展型与稳定型轻度认知障碍(mild cognitive impairment, MCI)鉴别、零样本筛查、跨人群语言泛化及照护者聊天机器人准确性和安全性方面一致优于现有方法,也未见随机试验证明患者结局改善。
5. Bias, Fairness, and Ethical Challenges in Generative AI for ADRD
5.1. Bias in Data and Models
该部分说明偏倚源于不具代表性的训练数据和模型缺陷,LLMs多依赖西方英语数据,语音识别系统对黑人说话者的词错误率更高,简易精神状态检查(Mini-Mental State Examination, MMSE)和蒙特利尔认知评估(Montreal Cognitive Assessment, MoCA)等工具也受年龄、教育、族裔和语言影响;缓解需多样化训练数据、公平感知方法、全生命周期偏倚审计、利益相关者输入和持续人工监督。
5.2. Hallucinations and Misinformation
该部分指出LLM因概率性设计且缺乏内部事实核查而可能产生幻觉,在医疗中可误导症状、药物或治疗信息;缓解包括以验证医学数据库进行RAG grounding、不确定性估计并标记低置信答案、转诊临床医生、人在回路、实时事实核查和明确系统能力与责任边界。
5.3. Patient Autonomy and Privacy
该部分强调生成式AI照护依赖敏感个人健康数据,认知受损者可能难以充分理解或同意数据使用,音频、视频和可穿戴持续监测可能侵犯尊严与自主性;隐私保护方法包括联邦学习、边缘计算、匿名化和音高变换等,同时需保持人工监督以保护患者权利。
5.4. Trust and Psychological Impact
该部分讨论AI改变患者—照护者互动并带来心理社会风险,包括自动化偏倚、盲目信任、忽视细微临床征象、延迟就医、技能退化和情感依赖;过度使用聊天机器人或社交机器人若替代人际接触可能增加孤独,保障措施包括伦理设计、关键决策人工监督、将AI定位为增强而非替代、共情语言、清晰免责声明和用户教育。
6. Transparency, Interpretability, and Explainability of Generative AI
该部分说明GANs、VAEs和变换器LLMs的“黑箱”性质、注意力图非因果解释、潜空间难以对应临床特征、随机采样导致输出变异以及缺乏ground truth等透明性挑战;同时概述注意力可视化、SHAP、LIME、Integrated Gradients(IG)、Grad-CAM、遮挡分析、潜空间探索、反事实解释和自然语言理由等可解释性方法,并强调可解释模型常被偏好、可帮助偏倚检测,但LLM生成的理由可能过度简化或不准确。
7. Validation and Regulatory Considerations for AI in ADRD Care
7.1. Clinical Validation Strategies
该部分指出生成式AI验证不能仅依赖技术准确率,前瞻性临床试验稀少,多数痴呆AI研究为回顾性且患者获益证据有限;验证需与标准照护基准比较,开展随机对照试验(randomized controlled trials, RCTs)和真实世界评估,并纳入诊断及时性、不必要检查或住院减少、成本、工作流整合及医患接受度等临床影响指标。
7.2. Regulatory Landscape
该部分概述美国、欧盟和英国监管路径:美国FDA将多数诊断或治疗AI作为软件作为医疗器械(Software as a Medical Device, SaMD)监管,鼓励预定变更控制计划(Predetermined Change Control Plan, PCCP),并关注偏倚和上市后监测;欧盟医疗器械法规(Medical Device Regulation, MDR)与AI Act共同监管,将部分医疗AI列为高风险;英国MHRA通过AI Airlock沙盒等推进评估,各辖区趋同于透明、可解释、偏倚缓解和持续监测。
7.3. Post-Market Monitoring and Updates
该部分强调监管批准只是起点,上市后需持续监测性能漂移、偏倚和安全,报告不良事件,模型更新需记录、验证并在重大变更时报告或再认证。
7.4. Accountability and Post-Market Responsibility
该部分指出错误发生时临床医生与制造商共同承担问责,关键决策需人在回路,AI应辅助而非替代专业判断;同时需用户培训、明确报告与补救路径,并向患者和照护者披露AI参与决策的角色和局限以支持知情同意。
7.5. Cost-Effectiveness, Reimbursement, and Resource Requirements
该部分说明ADRD生成式AI经济证据有限,痴呆照护成本、专科医生短缺和照护者负担影响分诊工具价值;现有正式评估少且结论不一,报销因应用而异,云推理与本地部署资源需求不同,整合、验证、治理和培训成本也应纳入经济评价,成本效果与预算影响评估应伴随临床验证。
8. Global Perspectives and Societal Implications
该部分讨论生成式AI在低收入和中等收入国家(low- and middle-income countries, LMICs)缓解专科短缺和远程筛查的潜力,但指出相关诊断准确性证据不足、跨语言和跨人群迁移有限,声学—时间特征迁移相对稳健而词汇语义内容较不可靠;文化适应、社区共同设计、离线能力、本地数据和基础设施投资以及纠正全球研究失衡是公平部署的关键。
9. Limitations of This Review
该部分说明本综述为叙述性而非系统性,未双人筛选、未注册方案、未正式评估偏倚风险;原始文献多为小型、回顾性、非预注册研究并重复使用公共语料,LLM训练数据污染不能排除,性能陈述属内部验证发现;部分来源为预印本或会议论文,模型版本和监管事实随时间变化,检索限英文,全球适用性主要基于迁移研究,清单尚未经正式共识验证。
10. Conclusions and Future Outlook
该部分总结生成式AI在ADRD教育、风险筛查、认知评估、合成数据和照护导航中的机会,但证据以小样本、回顾性、内部验证研究为主;其优势主要见于缺失模态插补、低数据增强、LLM衍生特征和照护者可用性,零样本LLM筛查仍落后于微调语言模型,除EMA对生成式预后协变量方法的资格认定外,尚无生成式工具在前瞻性研究中验证、作为医疗器械授权或在ADRD中显示成本效果。未来优先事项包括全球多样多模态基准数据集、前瞻试验与实用研究、患者和照护者参与式共同设计、跨学科团队以及成本效果、预算影响和报销路径评估,并以伦理监督、严谨证据和全球协作实现公平应用。