静态 vs. 对话式 AI 生成消息对结直肠癌筛查意愿的影响：随机对照试验
计算机与社会
2025-07-14 v1
摘要
大型语言模型（LLM）聊天机器人在说服性沟通中显示出日益增大的潜力。然而，其在实际中的实用性仍存疑问，尤其是在临床环境中难以扩展持续对话的场景。我们进行了一项预注册的随机对照试验，招募了 915 名美国成年人（年龄 45-75 岁），其从未完成结直肠癌（CRC）筛查。参与者被随机分配至：（1）无信息控制组、（2）专家编写的患者材料组、（3）单条 AI 生成消息组或（4）动机访谈聊天机器人组。所有参与者需在至少三分钟内保持所属组别。所有 AI 方案均根据参与者自报告的人口统计信息（包括年龄和性别）进行内容定制。AI 各组均显著提高大便检测意愿提升 12.9-13.8 分（满分 100 分），而专家材料组仅提升 7.5 分（p < .001，所有比较均显著）。虽然 AI 各组在结肠镜意愿上均优于无信息控制组，但均未优于专家材料组。值得注意的是，对于两项指标，聊天机器人未优于单条 AI 消息提升意愿，尽管参与者平均花费约 3.5 分钟与之互动。这些发现表明，简洁且基于人口统计信息定制的 AI 消息可能比更复杂的对话式智能体和通用的、耗时的专家编写材料，更具可扩展性和临床可行性，以实现健康行为改变。此外，LLM 在针对不为人知且较不侵入性的筛查方式（如大便检测）时更具说服力，但可能在处理根深蒂固的偏好（如结肠镜）时效果较差。未来工作应检验哪些人口统计信息因素驱动行为改变，是否可以将这些 modest 的意图提升转化为实际完成的筛查，以及哪些健康行为最受 AI 支持指导的响应。
引用
@article{arxiv.2507.08211,
title = {Effect of Static vs. Conversational AI-Generated Messages on Colorectal Cancer Screening Intent: a Randomized Controlled Trial},
author = {Neil K. R. Sehgal and Manuel Tonneau and Andy Tan and Shivan J. Mehta and Alison Buttenheim and Lyle Ungar and Anish K. Agarwal and Sharath Chandra Guntuku},
journal= {arXiv preprint arXiv:2507.08211},
year = {2025}
}