[論文レビュー] Talk2Care: Facilitating Asynchronous Patient-Provider Communication with Large-Language-Model

Ziqi Yang, Xuhai Xu+7 more|arXiv (Cornell University)|Sep 17, 2023

Technology Use by Older Adults被引用数 7

ひとこと要約

Talk2Care は、高齢者の非同期的患者-医療提供者間のコミュニケーションを向上させる LLM ベースのシステムであり、音声アシスタントを活用して健康情報を収集し、医療提供者ダッシュボードで重要なイン사이트を要約する。このシステムは、コミュニケーションの効率性を向上させ、健康データ収集を豊かにし、医療提供者の負担を軽減する。パイロット研究では高い使いやすさが示された。

ABSTRACT

Despite the plethora of telehealth applications to assist home-based older adults and healthcare providers, basic messaging and phone calls are still the most common communication methods, which suffer from limited availability, information loss, and process inefficiencies. One promising solution to facilitate patient-provider communication is to leverage large language models (LLMs) with their powerful natural conversation and summarization capability. However, there is a limited understanding of LLMs' role during the communication. We first conducted two interview studies with both older adults (N=10) and healthcare providers (N=9) to understand their needs and opportunities for LLMs in patient-provider asynchronous communication. Based on the insights, we built an LLM-powered communication system, Talk2Care, and designed interactive components for both groups: (1) For older adults, we leveraged the convenience and accessibility of voice assistants (VAs) and built an LLM-powered VA interface for effective information collection. (2) For health providers, we built an LLM-based dashboard to summarize and present important health information based on older adults' conversations with the VA. We further conducted two user studies with older adults and providers to evaluate the usability of the system. The results showed that Talk2Care could facilitate the communication process, enrich the health information collected from older adults, and considerably save providers' efforts and time. We envision our work as an initial exploration of LLMs' capability in the intersection of healthcare and interpersonal communication.

研究の動機と目的

• 高齢者と医療提供者間の現在の非同期的コミュニケーションにおける非効率性とアクセスの課題を解決すること。
• 大規模言語モデル（LLMs）が自然で適応的かつアクセス可能な患者-医療提供者間の対話を促進する役割を明らかにすること。
• 患者と医療提供者のそれぞれの異なるニーズに合わせた LLM ベースのインターフェースを備えたシステムを設計・評価すること。
• 要約の自動化と知的な質問生成により、健康情報の質を向上させ、医療提供者の負担を軽減すること。

提案手法

• 高齢者 10 人および医療提供者 9 人を対象に、非構造的インタビューを 2 回実施し、コミュニケーションの課題と LLM 結合の機会を同定した。
• 高齢者向けに、自然かつ適応的で、健康情報を収集できる質問を生成する LLM ベースの音声アシスタント（VA）を活用した患者向けモジュールを構築した。
• LLM を用いた自然言語処理により、患者-VA 間の会話から主要な健康インサイトを要約する医療提供者向けダッシュボードを開発した。
• EHR 結合を実施せず、プライバシーと使いやすさを確保するため、独立した通信と情報要約に焦点を当てたシステム設計を実施した。
• 高齢者および医療提供者を対象に、2 階段のユーザースタディを実施し、システムの使いやすさ、有用性、時間の節約効果を評価した。
• 定性的および定量的フィードバックを用いて、システムのパフォーマンスを評価した。これには、時間の節約の認識と情報の豊かさが含まれる。

Figure 1 . Overview of Talk2Care System. The system consists of two modules. 1) The patient module: An LLM-powered VA interface (in purple) that generates natural conversation with home-based older adults to collect health information and forward it to healthcare providers; 2) The provider module: A

実験結果

リサーチクエスチョン

• RQ1 LLM を活用することで、在宅医療における高齢者と医療提供者間の非同期的コミュニケーションをどのように改善できるか？
• RQ2 現在のメッセージ送信およびフォローアップワークフローにおいて、高齢者と医療提供者が抱える主なニーズと課題は何か？
• RQ3 LLM ベースの音声アシスタントは、高齢者から意味的かつ包括的な健康情報を収集するのにどの程度効果的か？
• RQ4 LLM を用いた要約処理により、臨床的妥当性を損なわず、医療提供者の負担をどの程度軽減できるか？
• RQ5 感受性の高い医療コミュニケーションの文脈で LLM を導入する際、生じるプライバシーと使いやすさの課題は何か？

主な発見

• 高齢者および医療提供者は、従来のメッセージ送信において、応答の遅延、情報の喪失、健康リテラシーの低さに起因する障壁を顕著に報告した。
• LLM ベースの音声アシスタントは、自然で文脈的に適切な質問を効果的に生成し、収集される健康情報の質と深さを向上させた。
• 医療提供者は、ダッシュボードに表示される AI 生成要約のおかげで、患者のメッセージをレビューする時間に平均 30–50% の削減を経験した。
• 高齢者にとって、特に音声ベースのインタラクションにより、テキスト入力への依存が減少し、システムは直感的で使いやすいと感じられた。
• 医療提供者は、ダッシュボードが主要な症状、懸念事項、傾向を強調表示できることを高く評価し、臨床的意思決定の迅速化に貢献した。
• プライバシーに関する懸念が提起された。特に、データ取り扱いや同意の手続きについて、今後の展開では透明性があり、HIPAA に準拠した設計が不可欠であることが強調された。

Figure 2 . The Component of Talk2Care System for Home-based Older Adults. The VA interface has multi-turn personalized conversations with the older adult to collect related health information. The LLM-powered Question Generation Module is responsible for taking the older adult’s words and generating