[论文解读] CareCall: a Call-Based Active Monitoring Dialog Agent for Managing COVID-19 Pandemic

Sang‐Woo Lee, Hyunhoon Jung+18 more|arXiv (Cornell University)|Jul 6, 2020

Speech and dialogue systems参考文献 19被引用 7

一句话总结

CareCall 是一种基于电话的 AI 对话代理，通过自动语音识别、自然语言理解以及文本转语音合成技术，对可能接触过 COVID-19 后处于自我隔离状态的个体进行每日两次的症状检查。该系统在韩国和日本部署，实现了 0.9% 的假阳性率，并通过人机协同机制有效降低了假阳性率，展现出对缺乏智能手机使用能力的老年人群的高度可及性。

ABSTRACT

Tracking suspected cases of COVID-19 is crucial to suppressing the spread of COVID-19 pandemic. Active monitoring and proactive inspection are indispensable to mitigate COVID-19 spread, though these require considerable social and economic expense. To address this issue, we introduce CareCall, a call-based dialog agent which is deployed for active monitoring in Korea and Japan. We describe our system with a case study with statistics to show how the system works. Finally, we discuss a simple idea which uses CareCall to support proactive inspection.

研究动机与目标

• 解决老年人群因不熟悉移动技术而难以使用基于应用程序的监测系统的问题。
• 通过基于 AI 的电话呼叫系统自动化每日症状检查，减轻医护人员的负担。
• 通过人机协同系统纠正不确定的 AI 响应，提高主动监测的准确性和可靠性。
• 探索利用概率建模，通过基于电话的 AI 系统进行本地疫情传播估计。
• 将系统功能扩展至 COVID-19 以外的慢性病监测和一般医疗支持。

提出的方法

• 系统采用三模块架构：自动语音识别（ASR）、自然语言理解（NLU）以及用于双向语音交互的文本转语音合成。
• 系统每天两次自动拨打电话给隔离中的个体，询问关于发热和呼吸疼痛等核心症状的简单是/否问题。
• 通过人机协同机制监控并纠正模糊或不确定的 AI 响应，以提高准确性。
• 系统采用贝叶斯概率建模，利用报告的症状数据估算本地社区感染率。
• 对话状态和动作图根据不同的健康状况进行定制，使系统能够适应除 COVID-19 以外的其他疾病。
• 症状数据通过图模型聚合，其中感染概率 $ q $ 由个体报告 $ F_n $ 估计，满足 $ p(z_n|q) = q $，且 $ p(F_n|z_n) $ 用于建模症状出现的可能性。

实验结果

研究问题

• RQ1 基于电话的 AI 对话代理能否以高准确率和低假阳性率有效监测自我隔离个体？
• RQ2 人机协同系统在老年人群中如何提升自动化症状筛查的可靠性？
• RQ3 基于电话的系统在疫情期间在多大程度上可减轻医护人员的负担？
• RQ4 能否通过贝叶斯建模，利用自动电话报告的症状数据估算本地社区感染率？
• RQ5 此类系统如何扩展以支持慢性病监测和一般医疗建议？

主要发现

• CareCall 在韩国城南市为期三个月的部署中，假阳性率为 0.9%，仅出现一例假阴性。
• 人机协同流程将首月 1.95% 的假阳性率降低至后两个月的 0.72%。
• 该系统在老年人群中展现出高度可及性，而老年人群是 COVID-19 的高风险群体，却常被排除在基于应用程序的监测之外。
• 贝叶斯建模框架能够利用聚合的症状报告数据估算本地社区感染率，支持主动的公共卫生决策。
• 通过定制对话状态和意图槽，该系统的架构可适配其他疾病（如糖尿病和高血压）的监测。
• 与基于应用程序的系统相比，基于电话的界面因技术门槛更低，对老年人更为有效。