[论文解读] Self-Diagnosis through AI-enabled Chatbot-based Symptom Checkers: User Experiences and Design Considerations

Yue You, Xinning Gui|arXiv (Cornell University)|Jan 12, 2021

Digital Mental Health Interventions参考文献 15被引用 53

一句话总结

本文通过进行功能与用户评审、以及访谈，评估 AI-enabled chatbot-based symptom checkers (CSC) 的功能与用户体验，强调对完整诊断过程缺乏支持，并提出设计启示。

ABSTRACT

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.

研究动机与目标

• 评估现有 AI-enabled CSC 应用的功能及其对离线诊断过程的覆盖。
• 了解用户对 CSC 的看法，包括病史输入、问题清晰度和疾病覆盖范围。
• 识别设计差距并推导未来 CSC 功能与对话设计的含义。

提出的方法

• 对现有 CSC 应用进行功能评审，以映射所提供的能力。
• 进行用户评审分析，以理解用户体验和感知。
• 开展与用户的访谈研究，以收集关于可用性和期望的定性见解。
• 综合研究结果，推导未来 CSC 发展中的设计含义。

实验结果

研究问题

• RQ1 当前 AI-enabled CSC 应用提供了哪些功能？它们覆盖或遗漏诊断过程的哪些部分？
• RQ2 用户如何看待 CSC，在病史处理、输入灵活性、问题可理解性和疾病覆盖方面？
• RQ3 可以提出哪些设计含意以改进未来的 CSC 功能和对话交互？

主要发现

• CSC 应用常常无法支持线下就诊的完整诊断过程。
• 用户认为当前 CSC 在医学病史的全面支持、症状输入的灵活性、问题的可理解性以及疾病覆盖的多样性方面存在不足。
• 研究结果表明需要改进的对话设计和更广的疾病覆盖范围，以提升用户信任度和有用性。