[논문 리뷰] Self-Diagnosis through AI-enabled Chatbot-based Symptom Checkers: User Experiences and Design Considerations
본 논문은 기능 및 사용자 리뷰와 인터뷰를 통해 AI-기반 챗봇형 증상 점검 도구(CSC)의 기능과 사용자 경험을 평가하고, 전체 진단 과정에 대한 지원이 부족함을 강조하며 설계 시사점을 제안한다.
Recently, there has been a growing interest in developing AI-enabled chatbot-based symptom checker (CSC) apps in the healthcare market. CSC apps provide potential diagnoses for users and assist them with self-triaging based on Artificial Intelligence (AI) techniques using human-like conversations. Despite the popularity of such CSC apps, little research has been done to investigate their functionalities and user experiences. To do so, we conducted a feature review, a user review analysis, and an interview study. We found that the existing CSC apps lack the functions to support the whole diagnostic process of an offline medical visit. We also found that users perceive the current CSC apps to lack support for a comprehensive medical history, flexible symptom input, comprehensible questions, and diverse diseases and user groups. Based on these results, we derived implications for the future features and conversational design of CSC apps.
연구 동기 및 목표
- 기존 AI-기반 CSC 앱의 기능성과 오프라인 진단 과정의 커버리지를 평가한다.
- 히스토리 입력(history input), 질문의 명확성, 질병 커버리지를 포함한 CSC에 대한 사용자 인식을 이해한다.
- 디자인 격차를 식별하고 향후 CSC 기능 및 대화형 설계에 대한 시사점을 도출한다.
제안 방법
- 제공된 기능을 매핑하기 위해 기존 CSC 앱의 기능 검토를 수행한다.
- 사용자 경험과 인식을 이해하기 위한 사용자 리뷰 분석을 수행한다.
- 사용자 대상 인터뷰 연구를 수행하여 사용성 및 기대치에 대한 질적 인사이트를 수집한다.
- 연구 결과를 종합하여 향후 CSC 개발에 대한 설계 시사점을 도출한다.
실험 결과
연구 질문
- RQ1현재 AI-기반 CSC 앱은 어떤 기능을 제공하며, 진단 과정의 어떤 부분을 커버하거나 놓치고 있는가?
- RQ2의료 이력 처리, 입력의 유연성, 질문의 이해 용이성, 질병 커버리지 측면에서 CSC를 사용자가 어떻게 인식하는가?
- RQ3향후 CSC 기능과 대화형 상호작용을 개선하기 위해 어떤 설계 시사점을 도출할 수 있는가?
주요 결과
- CSC 앱은 종종 오프라인 진료의 전체 진단 과정을 지원하는 데 실패한다.
- 사용자들은 현재 CSC에서 포괄적인 의학 이력 지원, 유연한 증상 입력, 이해하기 쉬운 질문, 다양한 질병 커버리지의 부족을 인식한다.
- 연구 결과는 사용자의 신뢰와 유용성을 높이기 위한 향상된 대화 설계와 더 넓은 질병 커버리지가 필요하다고 시사한다.
더 나은 연구,지금 바로 시작하세요
연구 설계부터 논문 작성까지, 연구 시간을 획기적으로 줄여보세요.
카드 등록 없음 · 무료 플랜 제공
이 리뷰는 AI가 만들고, 인간 에디터가 검토했습니다.