聊天机器人在癌症病人自我管理中应用的研究进展

Research progress on application of chatbot in the self⁃management of cancer patients

Keywords"" "artificial intelligence； chatbots； cancer； self⁃management； review

摘要" 从概述、应用研究、优势、问题与挑战、展望与启示等方面阐述人工智能（AI）聊天机器人在癌症病人自我管理中的应用现状，为国内发展相关研究提供参考。

关键词" 人工智能；聊天机器人；癌症；自我管理；综述

doi：10.12102/j.issn.1009-6493.2024.17.020

人工智能（artificial intelligence，AI）聊天机器人（chatbot）是指利用人工智能中基于深度学习的自然语言处理技术，结合智能手机或计算机的文本或语音来实现模仿人类的对话[1]。随着自然语言处理技术、人工智能和计算能力的发展，AI聊天机器人已被开发用于医学领域的各个方面，如健康状况筛查、信息咨询和家庭健康管理支持等[2]。自我管理是指病人积极参与治疗、应对疾病状态的过程，同时医护人员也会协助病人完成自身健康管理[3]。而癌症病人自我管理是指癌症病人在诊治过程中发展起来的症状、心理社会、治疗和生活等管理行为[4]。研究发现，聊天机器人在癌症治疗后对病人进行支持和随访可以减轻病人的负性情绪[5]。此外，在癌症病人护理中应用聊天机器人有利于开展预防性筛查、改变不良健康行为以及进行健康宣教等[6⁃7]。然而，国内癌症照护领域中应用聊天机器人的研究尚处于起步阶段，而国外基于聊天机器人的癌症病人健康管理相关的应用研究已取得了较多的成果。现从聊天机器人概述、聊天机器人在癌症病人自我管理中的干预研究现状和聊天机器人对国内癌症照护的启示等方面进行综述，旨在对国内癌症病人开展聊天机器人设计、实践及研究提供参考。

1" 聊天机器人概述

聊天机器人也称为对话代理或会话代理（conversational agent），是一种通过文本（短信、网页、消息应用程序、移动应用程序等）或语音（连接的扬声器、移动设备上的嵌入式服务等）来实现与用户自然语言对话的计算机程序[8]。目前大多数聊天机器人开发工具都基于2种类型：1种是语言模型（基于规则的聊天机器人）、1种是机器学习模型（AI聊天机器人），分别对应狭义人工智能和通用人工智能[9]。前者是指基于语言的（也被称为“基于规则的”）使用“if/then”逻辑创建对话，进而创建语言条件来查看单词、顺序、同义词、表达问题的常用方法等，以确保具有相同含义的问题得到相同的答案[10]。由AI软件支持的聊天机器人比基于规则的聊天机器人更复杂，而且往往更具对话性、数据驱动性和预测性[11]。这些类型的聊天机器人通常比基于规则的聊天机器人具更复杂性、交互性和个性化[10]。此外，随着时间的推移，他们对数据有了更多的上下文意识，并利用自然语言理解和应用预测智能来个性化用户体验[12]。从本质上讲，AI聊天机器人会从大量的数据和以往的经验中学习，从而进一步达到与人类反应相似的水平[11]。AI聊天机器人最初被用于商业、电子商务、金融服务、法律、教育和娱乐等领域，目前越来越多地被用于医疗保健卫生领域[13]。

2" AI聊天机器人的优势

随着科技的发展，医疗健康相关技术也在快速进步，AI聊天机器人在癌症病人自我管理中有以下优势。1）可以更贴近病人的自我感受和整体状况，从而缩小医疗保健提供者和病人观察到的临床表现的差距[14⁃15]；2）可以降低时间和地域等影响，及时给予更广范围的规范化治疗；3）可以通过低成本的医疗方法来收集癌症病人的用药和症状等数据，从而为医护人员提供临床决策思路[16]；4）可以通过机器学习来试图理解病人的意图和情绪，以类人的举止与病人进行交谈，从而增强参与者与聊天机器人的互动[17]；5）可以覆盖更多的病人，满足病人更多的需求，及时给予病人高质量回复，使其了解自己的治疗效果，提高病人的治疗依从性[18]。

3" AI聊天机器人在癌症病人自我管理中的应用

3.1 情绪管理

Greer等[19]的研究团队研发了针对年轻癌症病人的Vivibot聊天机器人。该研究团队对51例18～29岁的年轻癌症病人进行了为期4周的试点随机对照试验，试验组的病人在Facebook Messenger使用Vivibot聊天机器人提供的积极心理学技能，并且在线完成每日情绪评级，同时聊天机器人提供信息反馈，而病人可以与聊天机器人进行互动。干预后评估两组的焦虑状况，结果表明试验组的焦虑评分更低，积极情绪评分更高。虽然Vivibot聊天机器人有利于促进年轻癌症病人症状的改善和健康行为的改变，但是该研究所使用聊天机器人的平台仍然有一定限制。

Lange等[20]对18例前列腺癌症病人进行了聊天机器人干预。该聊天机器人“以行为治疗为导向的小组方法”作为结构框架，其主题为前列腺切除术后的尿失禁、疾病恐惧进展、性健康知识、医患沟通、重返工作岗位及癌症应对。病人可以和聊天机器人进行对话，同时也可以借助聊天机器人的平台与其他病人进行开放式交流。研究结果显示，干预组病人的焦虑、抑郁、痛苦感知、癌症应对得分均高于对照组，但差异无统计学意义（Pgt;0.05），表明聊天机器人干预可能并不是减轻前列腺癌症病人负性情绪的有效方法。考虑原因是干预组和对照组的样本量较小。因此，未来研究应进行大样本、标准化的随机对照试验来进一步验证聊天机器人对其他癌症病人的应用效果。

3.2 遗传风险管理

遗传因素存在于5%～ 10%的癌症病人中[21]，早期癌症筛查可以提高病人生存率并改善其生活质量。其中，收集癌症病人家族史是一种有效且可行的方法，因为获取发生癌症的家族遗传信息能够为风险分层决策、临床决策和癌症预防提供思路[22]。Welch等[23]开发了一个旨在评估癌症病人遗传性风险的网络聊天机器人（ItRunsInMyFamily.com）。该聊天机器人并不会像其他应用程序要求病人浏览网络页面，也不需要通过表格或菜单填写自己的信息，而是使用一种拟人化的对话来收集参与者的相关信息，这些信息包括个人健康史、放疗检查、生活方式、家族癌症史。一旦参与者完成信息的收集，便会收到1份个性化的风险评估报告。研究表明，该聊天机器人家庭信息收集方式有利于参与者提供更为完整的数据，并且在一定程度上减轻了参与者提供相关数据的负担。但是该聊天机器人也存在一定局限性：无法识别参与者所提供数据的真实性，因此结果的准确性有待考证；此外，该聊天机器人仅提供1份风险报告，并未提供后续相关的临床建议。

Heald等[24]的研究团队设计了针对需要进行肠镜检查病人的聊天机器人。该研究在克利夫兰诊所开展，研究者对需要进行肠镜检测病人发送了一个包含聊天机器人的网络链接。病人点击链接后，被要求回答一些基本问题，如果回答都是“否”，则结束会话。如果回答都是肯定的，则继续进行有关遗传性癌症综合征、基因遗传和基因检测过程的宣教。随后，再询问参与者是否参与后续基因检测。研究结果显示，181例参与者需要进行基因检测， 71.3%完成了基因检测，129例参与者中61.2%结果为阴性，29.5%至少有1种不确定的变异基因，在9.4%的参与者中发现了种系致病变异基因。研究结果提示聊天机器人是一种新颖且可行的方法，具有增加遗传性结直肠癌综合征风险个体基因筛查和检测的潜力。一方面，参与者与聊天机器人的会话信息会被同步到医院电子病历系统，有利于临床医生掌握病人更全面、详细的疾病信息，为后续临床治疗决策提供依据；另一方面，聊天机器人也打破了时间、空间的限制，参与者可以在他们方便的时间获得相关服务。

3.3 信息管理

PROSCA（prostate cancer communication assistant）是基于前列腺癌病人开发的聊天机器人，包括5个信息模块，每个模块的主题为前列腺疾病知识、早期检测方法、前列腺活检注意事项、前列腺癌症知识（如治疗、症状）、心理支持[25]。同时，该团队在德国海德堡大学医院招募10例前列腺癌病人中进行了应用研究。病人可以在聊天机器人中输入他们的具体问题或查看所提供的主题区域的信息模块。结果表明，89%的病人认为他们从聊天机器人那里获得了重要信息，并且表示希望能在未来医疗保健领域中更频繁地使用聊天机器人，同时，病人建议聊天机器人能够针对自身情况量身定制个性化信息管理方案。但由于该研究干预剂量和时长不清楚、研究对象的纳入标准不严谨（如纳入疑似前列腺癌病人）、未设置对照组，其疗效有待进一步探讨。

Vik是一个旨在给乳腺癌病人提供信息服务的应用程序，包括乳腺癌及其流行病学、治疗方式、治疗副作用和生活质量改善策略（如运动、生育、性和饮食）、医疗报销6个信息模块[26]。Bibault等[26]在法国乳腺癌病人协会 （Mon Réseau Cancer du Sein） 的帮助下对招募的142例乳腺癌病人进行了非劣性随机对照试验，试验组使用Vik，对照组使用多学科团队提供的信息服务。使用欧洲癌症研究和治疗组织生活质量信息问卷（EORTC QLQ⁃INFO25）来评估癌症病人所掌握信息的程度和质量。结果显示，聊天机器人组的得分不劣于医生组，且85%的病人对他们获取的信息量感到满意（医生组为 77%）、 85%的病人认为所获取的回复有帮助（医生组为 82%）。此外，他们还发现聊天机器人可以让临床医生花更多的时间来回复更需要咨询的病人，避免不需实际咨询的情况，从而有利于提高临床工作效率。

3.4 症状管理

Tawfik等[27]对150例乳腺癌病人进行了为期6周的随机对照试验，试验组病人采用聊天机器人这一项工具。乳腺癌病人在化疗结束后会收到1条链接。如果病人点击该链接后，会进入化疗相关副作用列表信息栏，而此时病人可根据自身实际状况来进行对应的症状评估。而聊天机器人则会提供详细的症状管理建议，同时，聊天机器人也会就症状管理相关内容与病人进行互动。对照组则使用常规护理，即对病人进行出院后症状管理的宣教。该研究使用记忆症状评估量表（MSAS）对两组的身体症状进行评价。干预6周后，试验组的症状频率、症状严重程度、症状困扰程度显著低于对照组。94%的病人认为聊天机器人方便使用，并且聊天机器人也能很好地理解病人的诉求。病人结束化疗后，居家期间会出现食欲缺乏、便秘、腹泻、恶心、呕吐等副作用，而聊天机器人可以为癌症病人提供无限制的全天候访问有关化疗副作用的信息渠道，病人随时可以就自己的症状管理寻求高质量的干预措施，从而提高自我管理能力。但是该研究并未进行后续随访研究，对聊天机器人干预的有效性仍不清楚，且聊天机器人所提供的干预内容也较为单薄，后续再开展相关研究需考虑上述问题。

聊天机器人通过咨询内容在症状发展的早期就能识别病人的不良事件，进而起到及时处理病人健康问题的作用，这有助于癌症病人居家的症状管理。Huang等[28]对63例妇科肿瘤病人进行了一项回顾性队列研究，试验组使用聊天机器人。当病人化疗期间出现如呕吐、恶心、食欲缺乏、口腔黏膜炎、腹泻、周围神经病变、疲劳、斑丘疹、便秘和失眠等问题时，病人可以根据自身的症状严重程度的感受进行评级，而此时聊天机器人会预先提供大量且及时的症状缓解对策。而病人还需要对所提供对策的有效性进行评估。此外，当病人对自身症状评估的严重程度达到3级及以上，聊天机器人后台的人工医疗提供者会收到相关信息指示，与病人进行一对一的线上讨论。对照组进行常规护理。该研究的主要结局指标是妇科肿瘤病人开始化疗后急诊就诊次数和计划外住院次数。结果显示，相比常规护理组，聊天机器人组的急诊就诊次数和计划外住院次数明显减少。因此，聊天机器人可以使症状轻微的病人免于不必要的医院就诊，这可以让医疗保健提供者花更多时间治疗急危重症病人，从而有利于医疗资源的优化配置。

3.5 依从性管理

在癌症照护领域，药物依从性直接影响癌症病人的生存质量，尤其是大多数癌症病人在完成化疗后，需要居家口服化疗药物。Lau⁃Min等[29]开发设计了“Penny”聊天机器人，该聊天机器人提供个性化的处方剂量及量身定制的用药提醒，同时每周发送检查消息。Lau⁃Min等[29]使用该聊天机器人对20例口服卡培他滨化疗药物的胃肠道肿瘤病人开展了可行性研究。研究结果显示，聊天机器人报告了150起 （7.0%） 与药物相关和 9 起 （0.4%） 与症状相关的不良事件，且发现大多数药物相关不良事件与口服化疗药物时间及其剂量不一致有关。同时参与者表示聊天机器人的用户提醒功能可靠且方便使用。但是该研究仅为可行性的试点研究，其作用还需进一步研究来验证。

Chaix等[30]采用的一个聊天机器人“Vik”，除提供相关的专业信息之外，还能够个性化为乳腺癌病人及其亲属设置提醒用药功能，例如“提醒我每天下午 4 点服用他莫昔芬。” 同时还会向病人解释如何正确服药、药物副作用的表现及如何避免药物副作用。聊天机器人发送提醒任务之后，还会进一步确认病人目前用药状态，一般分为3种：“是的，我服用了”“不，我没有服用”或“15 min后给我发消息”。研究结果显示使用聊天机器人病人的药物依从性提高了 20% 以上，有利于促进癌症病人治疗依从性的提高。

4" AI聊天机器人面临的问题与挑战

AI聊天机器人在癌症病人护理中的应用在国外虽然已有不少的研究， 但聊天机器人的开发及实施中仍存在诸多困难与挑战。

4.1 伦理方面

AI聊天机器人在应用中引发了一些伦理问题，主要涉及病人数据安全和隐私。因为聊天机器人收集并存储了大量病人个人和医疗信息，包括语音识别和地理定位，然而医疗保健数据具有高度敏感性，如果信息一旦被错误披露，就会导致参与者面临污名化或歧视的局面，进而引发了参与者对数据隐私和安全的担忧[31]。而这些均可能会破坏医患关系的信任程度，并阻碍相关临床信息的公开交流以进行正确的诊断和治疗[32]。

4.2 技术方面

目前聊天机器人的语言理解能力仍较弱，且回答比较固定统一，从而导致病人使用聊天机器人的次数也会减少。一项基于头颈癌放射治疗病人的研究发现，有些病人使用聊天机器人的次数会随着时间的推移而减少[33]。因为人类语言具有复杂性的特点，而聊天机器人生成回应的答案往往来源于原先设置的模板库，而这些对应的模板库生成的答案是由固定的技术算法构成，因而导致聊天机器人与病人的互动内容变得重复[34]，病人使用聊天机器人次数也会减少。此外，聊天机器人在理解病人更为复杂的问题时仍具有一定的挑战性。

4.3 研究设计方面

目前关于AI聊天机器人的研究，大部分针对年轻癌症病人。仅有少数研究以老年癌症病人为研究对象。Piau等[16]对9例65岁及以上的癌症病人进行了聊天机器人干预研究，研究结果显示，使用聊天机器人的老年癌症病人可以随时报告其症状，进而减少了回忆偏倚。但是该研究的样本量较少，且仅作为试点研究，而对老年癌症病人使用聊天机器人的依从性和干预效果的持续性仍不清楚。此外，大多数关于聊天机器人研究的干预内容比较单薄，缺乏相应的理论基础为指导框架，研究设计方案并不详细。

5" 启示与建议

近年来，数字健康干预技术在医疗领域迅速发展，尤其是人工智能主导的聊天机器人在医疗领域的应用，而以ChatGPT为代表的AI聊天机器人在癌症照护领域具有一定潜力[35]。ChatGPT是大型语言模型式生成式人工智能的例子，其特点是使用语言模型来生成包括文本、图像、音乐和视频的任务[36]，因此，这非常适合从大量医疗信息提取癌症病人自我管理的关键要素。Haver等[37]认为ChatGPT具备提供有关乳腺癌预防和筛查精准信息的能力，而Moazzam等[38]研究表明，ChatGPT可以对胰腺癌术后护理问题生成高质量的答复，这提示ChatGPT可以作为癌症病人自我管理的补充资源。然而目前尚不清楚ChatGPT在提供相关健康信息的真实程度，同时也无法明确ChatGPT在不同癌症群体自我管理的实用性。因此，未来基于人工智能的聊天机器人可以ChatGPT为研究方向。

然而，与国外相比，国内基于人工智能的聊天机器人在癌症病人自我管理的研究尚处于初步阶段。国内学者姜可越等[39]根据病人癌症病种、个人信息、病程阶段、治疗过程等问题设计了一个用于癌症病人出院随访的聊天机器人，病人可以通过登录微信网页端与其进行对话，解决了目前微信公众号不能提供个性化信息的局限。但是尚未深入探讨基于人工智能的聊天机器人在不同癌症病种、不同癌症阶段的自我管理应用现状。其原因可能是人们还未认识到人工智能聊天机器人在癌症病人照护领域的重要性。国外研究者利用深度学习和自然处理语言开发了基于医疗保健领域的聊天机器人系统，病人可以随时在聊天机器人系统上进行信息咨询，这有利于医护人员实现对癌症病人进行居家管理。因此，未来研究需要更标准的随机对照研究，以确定AI聊天机器人在癌症病人自我管理中应用确切时长、频次、内容等。同时扩大研究人群，针对不同癌症病种、年龄阶段的病人来设计、开发AI聊天机器人，并且验证其效果。

此外，AI聊天机器人在应用过程中，收集了癌症病人大量的药物、症状、心理、信息等管理数据，可以考虑将AI聊天机器人的使用终端纳入医院电子病历系统，同时安排专业人员及时回应向聊天机器人报告警报症状的病人[40]。此外，对AI聊天机器人的干预效果应有相应的评价准则和评估工具。目前，AI聊天机器人在癌症照护领域仍然缺乏相应的评级标准，这不利于AI聊天机器人后续管理癌症病人症状，容易造成一些病人的轻微症状被忽视，从而影响其安全性评估[25]，进而对癌症病人健康造成不良后果。因此，要明确干预内容及其干预结局指标，同时制定相应的干预效果评价标准，从而确保AI聊天机器人在癌症病人自我管理中应用的可行性、可用性、可接受性和参与度[31]。

参考文献：

[1]" BIBAULT J E，CHAIX B，NECTOUX P，et al.Healthcare EX Machina：are conversational agents ready for prime time in oncology？ [J].Clin Transl Radiat Oncol，2019，16：55-59.

[2]" NADARZYNSKI T，MILES O，COWIE A，et al.Acceptability of artificial intelligence （AI）-led chatbot services in healthcare：a mixed-methods study [J].Digit Health，2019，5：2055207619871808.

[3]" CREER T L，RENNE C M，CHRISTIAN W P.Behavioral contributions to rehabilitation and childhood asthma [J].Rehabil Lit，1976，37（8）：226-32，47.

[4]" FOSTER C，BROWN J，KILLEN M，et al.The NCRI cancer experiences collaborative：defining self management [J].Eur J Oncol Nurs，2007，11（4）：295-297.

[5]" MINER A S，SHAH N，BULLOCK K D，et al.Key considerations for incorporating conversational AI in psychotherapy[J].Front Psychiatry，2019，10：746.

[6]" OWENS O L，FELDER T，TAVAKOLI A S，et al.Evaluation of a computer-based decision aid for promoting informed prostate cancer screening decisions among African American men：I decide [J].Am J Health Promot，2019，33（2）：267-278.

[7]" REBELO N，SANDERS L，LI K，et al.Learning the treatment process in radiotherapy using an artificial intelligence-assisted chatbot：development study[J].JMIR Form Res，2022，6（12）：e39443.

[8]" LARANJO L，DUNN A G，TONG H L，et al.Conversational agents in healthcare：a systematic review [J].J Am Med Inform Assoc，2018，25（9）：1248-1258.

[9]" SINGH H，BHANGARE A，SINGH R，et al.Chatbots：a survey of the technology[M].Cham：Springer International Publishing，2022：671-691.

[10]" NAIK I，NAIK D，NAIK N.Demystifying the working，types，benefits and limitations of chatbots[M].Cham：Springer Nature Switzerland，2023：558-566.

[11]" NONE.Chatbots：the definitive guide（2020）[EB/OL].[2023-06-15].https：//dzone.com/whitepapers/chatbots-the-definitive-guide-2020.

[12]""" NIRALA K K，SINGH N K，PURANI V S.A survey on providing customer and public administration based services using AI：chatbot[J].Multimedia Tools and Applications，2022，81（16）：22215-22246.

[13]" MONTENEGRO J L Z，DA COSTA C A ，DA ROSA R R.Survey of conversational agents in health [J].Expert Systems with Applications，2019，129：56-67.

[14]" NELSON E C，EFTIMOVSKA E，LIND C，et al.Patient reported outcome measures in practice [J].BMJ，2015，350：123.

[15]""" ABASHEV A，GRIGORYEV R，GRIGORIAN K，et al.Programming tools for messenger-based chatbot system organization：implication for outpatient and translational medicines[J].BioNanoScience，2017，7（2）：403-407.

[16]" PIAU A，CRISSEY R，BRECHEMIER D，et al.A smartphone chatbot application to optimize monitoring of older patients with cancer [J].Int J Med Inform，2019，128：18-23.

[17]" CHEW H S J.The use of artificial intelligence-based conversational agents（chatbots） for weight loss：scoping review and practical recommendations[J].JMIR Med Inform，2022，10（4）：e32578.

[18]" AYERS J W，POLIAK A，DREDZE M，et al.Comparing physician and artificial intelligence chatbot responses to patient questions posted to a public social media forum[J].JAMA Internal Medicine，2023，183（6）：189-596.

[19]" GREER S，RAMO D，CHANG Y J，et al.Use of the chatbot \"Vivibot\" to deliver positive psychology skills and promote well-being among young people after cancer treatment：randomized controlled feasibility trial [J].JMIR Mhealth Uhealth，2019，7（10）：e15018.

[20]" LANGE L，FINK J，BLEICH C，et al.Effectiveness，acceptance and satisfaction of guided chat groups in psychosocial aftercare for outpatients with prostate cancer after prostatectomy[J].Internet Interv，2017，9：57-64.

[21]" GOPIE J P，VASEN H F，TIBBEN A.Surveillance for hereditary cancer：does the benefit outweigh the psychological burden？A systematic review [J].Crit Rev Oncol Hematol，2012，83（3）：329-340.

[22]" PYERITZ R E.The family history：the first genetic test，and still useful after all those years？ [J].Genet Med，2012，14（1）：3-9.

[23]" WELCH B M，ALLEN C G，RITCHIE J B，et al.Using a chatbot to assess hereditary cancer risk [J].JCO Clin Cancer Inform，2020，4：787-793.

[24]" HEALD B，KEEL E，MARQUARD J，et al.Using chatbots to screen for heritable cancer syndromes in patients undergoing routine colonoscopy [J].J Med Genet，2021，58（12）：807-814.

[25]" GÖRTZ M，BAUMGäRTNER K，SCHMID T，et al.An artificial intelligence-based chatbot for prostate cancer education：design and patient evaluation study [J].Digit Health，2023，9：2055.

[26]" BIBAULT J E，CHAIX B，GUILLEMASSé A，et al.A chatbot versus physicians to provide information for patients with breast cancer：blind，randomized controlled noninferiority trial[J].J Med Internet Res，2019，21（11）：e15787.

[27]" TAWFIK E，GHALLAB E，MOUSTAFA A.A nurse versus a chatbot：the effect of an empowerment program on chemotherapy-related side effects and the self-care behaviors of women living with breast cancer：a randomized controlled trial [J].BMC Nurs，2023，22（1）：102.

[28]" HUANG M Y，WENG C S，KUO H L，et al.Using a chatbot to reduce emergency department visits and unscheduled hospitalizations among patients with gynecologic malignancies during chemotherapy：a retrospective cohort study[J].Heliyon，2023，9（5）：e15798.

[29]" LAU-MIN K S，MARINI J，SHAH N，et al.An augmented intelligence mobile phone chatbot for medication adherence and toxicity management among patients with gastrointestinal cancers on capecitabine[J].American Society of Clinical Oncology，2022，20（4）：483-490.

[30]" CHAIX B，BIBAULT J E，PIENKOWSKI A，et al.When chatbots meet patients：one-year prospective study of conversations between patients with breast cancer and a chatbot [J].JMIR Cancer，2019，5（1）：e12856.

[31]" XU L，SANDERS L，LI K，et al.Chatbot for health care and oncology applications using artificial intelligence and machine learning：systematic review[J].JMIR Cancer，2021，7（4）：e27850.

[32]" LUXTON D D.Recommendations for the ethical use and design of artificial intelligent care providers[J].Artificial Intelligence in Medicine，2014，62（1）：1-10.

[33]" MA D，ORNER D，GHALY M M，et al.Automated health chats for symptom management of head and neck cancer patients undergoing radiation therapy[J].Oral Oncol，2021，122：105551.

[34]" BOUCHER E M，HARAKE N R，WARD H E，et al.Artificially intelligent chatbots in digital mental health interventions：a review [J].Expert Rev Med Devices，2021，18（sup1）：37-49.

[35]" UPRETY D，ZHU D，WEST H J.ChatGPT：a promising generative AI tool and its implications for cancer care[J].Cancer，2023，129（15）：2284-2289.

[36]" SHEN Y，HEACOCK L，ELIAS J，et al.ChatGPT and other large language models are double-edged swords[J].Radiology，2023，307（2）：e230163.

[37]" HAVER H L，AMBINDER E B，BAHL M，et al.Appropriateness of breast cancer prevention and screening recommendations provided by ChatGPT [J].Radiology，2023，307（4）：e230424.

[38]" MOAZZAM Z，CLOYD J，LIMA H A，et al.Quality of ChatGPT responses to questions related to pancreatic cancer and its surgical care[J].Ann Surg Oncol，2023，30（11）：6284-6286.

[39]" 姜可越，马祎星，汤唯艳.基于大数据微信聊天机器人在癌症患者随访中的设计和应用研究进展[J].中国现代医生，2017，55（30）：164-168.

[40]" SCHARIO M E，BAHNER C A，WIDENHOFER T V，et al.Chatbot-assisted care management[J].Prof Case Manag，2022，27（1）：19-25.