利用基于人工智能的大型语言模型与个人健康记录的能力,在术后心肌梗塞中提供个性化信息支持:描述性的定性研究

科学领域:

• 心脏病学 心脏病学
• 数字健康数字健康
• 医疗保健中的人工智能

背景情况:

• 心肌梗塞 (MI) 是一个主要的全球健康问题,恢复管理带来了重大挑战.
• 现有的支持系统提供通用咨询,未能满足个体患者的需求.
• 由人工智能驱动的大型语言模型 (LLM) 提供了个性化后MI健康信息传递的潜力.

研究的目的:

• 评估用户对iflyhealth人工智能工具的体验和看法,以对后创伤护理进行评估.
• 评估患者和家庭在康复期间对该工具的参与.
• 识别促进者和障碍者,以采用和继续使用 iflyhealth 应用程序.

主要方法:

• 一项定性研究涉及20名参与者 (12名使用者,8名非使用者) 的MI后手术.
• 进行了半结构面试,以探索第一印象,使用情况以及采用/不采用原因.
• 用Colaizzi的方法分析数据,以确定关键主题.

主要成果:

• 参与者的体验因数字素养,先前的技术接触和恢复需求而有所不同.
• 用户重视获得健康信息的机会,个性化的建议和对健康变化的反应能力.
• 障碍包括数字素养问题,可用性问题,数据隐私,接口复杂性和建议的相关性.

结论:

• iflyhealth的人工智能应用程序显示出后心脏病患者支持的前景,提供个性化的信息和更好的响应能力.
• 关键的好处包括更好地获得量身定制的健康咨询和更好地适应不断变化的条件.
• 解决数字素养,可用性和隐私方面的挑战对于最大限度地发挥应用程序在以患者为中心的MI管理中的潜力至关重要.