《Nurse Educator》:Nurse-Led Design and Prototype Development of a Smart Care Robot to Support Mental Well-Being in Nursing and Health Care Students: A Proof-of-Concept
编辑推荐:
背景:智能护理机器人很少为年轻人开发,特别是护理和医疗健康学生,并且很少将护理专业知识整合到设计中。目的:本研究旨在描述护士主导的智能护理机器人的协同设计和概念验证开发,以支持学生的情绪健康和心理健康,并检验其作为护理教育创新的相关性。方法:护士和技术专家使用
背景:智能护理机器人很少为年轻人开发,特别是护理和医疗健康学生,并且很少将护理专业知识整合到设计中。目的:本研究旨在描述护士主导的智能护理机器人的协同设计和概念验证开发,以支持学生的情绪健康和心理健康,并检验其作为护理教育创新的相关性。方法:护士和技术专家使用多层人工智能架构协作开发了第一代原型。该机器人集成了基于语音的陪伴、情绪识别、个性化支持内容、社交联系、非侵入性心理评估和游戏化咨询活动。结果:该原型通过多语言沟通和情绪敏感交互,展示了提供响应性、以学生为中心的情感支持的可行性,并具有补充现有解决孤独、压力和心理健康策略的潜力。结论:这种护士主导的智能护理机器人代表了护理教育中一项有前景的创新。需要进一步进行可用性、可接受性和有效性测试。
**论文解读:护士主导的智能护理机器人设计与原型开发**
**研究背景与问题**
在亚洲,心理健康问题因社会经济压力、文化污名化以及精神健康资源获取受限而加剧,对个人福祉、生产力和社会参与产生严重影响。护理和医疗健康专业的大学生由于学业负担、临床培训要求、接触患者痛苦以及未来照护角色带来的情感负担,尤其容易受到心理健康问题的困扰。一项系统综述报告显示,大学生中抑郁症的中位患病率为29.4%,焦虑症为42.4%,压力为16.4%,当前自杀意念为7%至8%。在COVID-19疫情期间,这些问题在东南亚进一步放大,护理和医疗健康学生及工作人员中的焦虑率达到55.1%,抑郁症达到59.2%,压力达到30.6%。尽管负担沉重,但由于污名化、文化障碍和资源限制,许多学生并未寻求专业帮助。这一未满足的需求与东盟2015年后健康发展议程相呼应,该议程强调了创新和循证协作在精神卫生保健中的重要性。
与此同时,人工智能(AI)在精神健康领域已从早期基于规则的系统发展为能够支持自然对话并整合多模态数据(如语音、面部表情、可穿戴设备和数字表型)的机器学习和大语言模型。由于许多心理健康状况是通过行为评估而非生物标志物识别,AI可能特别有助于改善早期检测和服务获取,尤其是在亚洲。现有的机器人解决方案如Paro和ElliQ在减少孤独感方面显示出前景,但仍然受到高成本、功能狭窄和情感互动相对浅层的限制。在新加坡,具备AI能力的社交机器人已显示出学习日常活动和情绪、缓解老年人孤独感的潜力。然而,很少有研究为年轻人(如大学生)开发AI驱动的智能护理机器人,并且这些技术在设计过程中很少融入护理专业知识。因此,护士主导的开发可以通过整合治疗性沟通、文化敏感性、可用性以及情感数据处理中的隐私等伦理保障,提供更具临床相关性和以人为本的方法。
**研究内容与结论**
本研究针对护理和医疗健康学生,开发并评估了一款护士主导的智能护理机器人“小鹿”(Xiao Lu)。研究人员通过护士与技术专家之间的多学科协作,构建了集成多层人工智能架构的原型,旨在提供全面的心理评估与情感支持。该原型展示了在多语言情绪交互、非侵入性生理监测和个性化陪伴方面的技术可行性,能够补充现有针对孤独、压力和心理健康的策略。此项研究证明了护士主导开发在护理教育创新中的潜力,但需要进一步测试其可用性、可接受性和有效性。该论文发表于《Nurse Educator》。
**主要关键技术方法**
研究人员采用多层人工智能架构,集成了基于语音的交流、情感识别、个性化支持内容、社交连接、非侵入性心理评估和游戏化咨询活动。具体技术包括:基于愉悦-唤醒-支配(Pleasure-Arousal-Dominance,PAD)情感模型的双语(中文和英文)自然语音交互和语音情绪识别;通过毫米波(mmWave)雷达传感器实现非接触式生理监测(心率、呼吸率、睡眠分期等);嵌入式心理评估通过语音识别、语调分析、对话模式和行为线索(如长时间沉默)进行;游戏化干预涉及放松练习、呼吸训练、冥想等自助建议。该原型为第一代桌面型机器人,高约25厘米,宽约35厘米,重0.8千克,粉色或蓝色,续航12小时。初步家庭测试验证了3个主要功能模块。
**研究结果**
**情感陪伴模块(Emotional Companionship Module)**
该模块通过自然、个性化的交互为大学护理学生提供情感支持和社会陪伴。研究人员通过集成双语及多口音语音通信、基于AI的语音特征与情感线索分析(以及面部表情检测)实现情绪状态识别,并根据用户兴趣、情感需求和交互习惯提供个性化陪伴内容(故事、音乐、戏剧、提醒、日常对话)及简单的同伴或社区互动功能。初步测试表明,小鹿能参与日常对话、对孤独表达提供共情回应,并生成压力或焦虑相关的简单反馈。
**心理评估与干预模块(Psychological Assessment and Intervention Module)**
该模块将心理健康筛查和早期心理社会干预嵌入日常自然交互中。研究人员利用语音识别、语调分析、对话模式和长时间沉默等行为线索检测压力、焦虑或低落情绪,也可整合传统心理评估工具。通过随意对话、引导回忆、开放式问题和定期自动评估,机器人生成个性化反馈和支持策略,如放松练习、呼吸训练、冥想等。初步测试证实了其在自然互动中提供心理评估和干预的可行性。
**一般健康与睡眠质量监测模块(General Health and Sleep Quality Monitoring)**
该模块通过嵌入式毫米波雷达传感器实现非侵入式生理健康和睡眠监测,无需可穿戴设备。研究人员监测心率、呼吸率、心率变异性(Heart Rate Variability, HRV),并识别异常模式;同时进行被动睡眠监测,包括睡眠时长、潜伏期、效率及睡眠阶段(深睡、浅睡、快速眼动睡眠、觉醒)。基于HRV生成压力相关指数,连接生理信号与心理健康。系统生成结构化健康报告,比较趋势,标记潜在异常,并建议呼吸练习或睡眠卫生调整。初步测试表明其作为家庭伴侣和日常护理助理的潜力。
**讨论与结论**
讨论部分强调,本概念验证论文展示了护士主导的智能护理机器人“小鹿”的技术和概念可行性。其护士主导性质是核心优势,因为护士可以嵌入治疗性沟通、以人为本的护理、文化敏感性和隐私意识设计,提高临床相关性和伦理可接受性。与纯技术驱动的机器人不同,“小鹿”被概念化为关系性和支持性伴侣,反映护理在心理健康促进中的优先事项。该研究补充了关于AI在心理健康中价值的文献,尤其是基于行为的多模态分析。然而,当前原型仅建立可行性,未来需要更大规模队列测试其可接受性、持续参与度、临床获益、隐私治理和算法公平性。从护理教育角度看,“小鹿”针对护理学生的高心理负担(焦虑、抑郁、倦怠、睡眠障碍)提供了可及、持续、低强度的心理社会支持。本研究的局限性包括:第一代原型功能不完全,缺乏随机对照试验的实际测试;未考虑技术素养障碍、多模态数据收集的隐私问题以及不同社会经济背景下的可扩展性;预期结果尚属推测,外部因素如维护和与现有医疗系统整合可能限制应用。未来部署需正式治理、伦理监督和风险管理。
研究结论翻译如下:
本概念验证论文描述了一款护士主导的智能护理机器人(小鹿)的协同设计和第一代原型开发,旨在支持易受压力、焦虑和抑郁影响的护理和医疗健康学生。该原型采用多层架构,关键功能包括双语语音交互、情绪响应式沟通、社交连接功能以及新兴的非侵入性监测和个性化支持模块。目前,研究结果展示了早期技术可行性和初步的用户知情可接受性,而非临床或心理社会有效性;因此,尚无法就其对学生心理健康或情绪健康的影响得出结论。然而,该系统的以用户为中心的设计和自然交互为健康专业教育中的技术支持学生支持提供了有前景的基础。