使用人工智能辅助聊天机器人学习放射治疗过程:开发研究

简介

基本原理

为了让癌症患者、他们的家人和公众了解癌症医院或中心的放射治疗过程，有必要了解放射治疗链，包括访问诊所的患者必须经历的所有步骤。对于那些不熟悉放射治疗的人来说，放射治疗链是复杂而令人生畏的[1,2］．通过开发一个简单而全面的基于互联网的虚拟助手，如聊天机器人或机器人，可以按照用户自己的节奏向用户解释放射治疗过程，用户可以通过简单和相关的信息指导放射治疗链的每个步骤。这是创建聊天机器人的基础，该机器人能够解释这一过程，并为用户减少错误信息的风险，同时还受益于可用性[3.,4］．患者必须与放射肿瘤学家预约，他们可以在固定的时间内提问，但机器人将永远为他们服务。

虽然机器人的功能是向用户解释放疗链，但它可以作为更复杂和开放式医疗聊天机器人的概念证明。IBM Watson应用程序编程接口(API)允许程序员轻松地添加程序并自动更新任何连接的应用程序[5］．另外，还可以将其他对话链添加到单个助手中，该助手可用于将一般助手与更专业的助手组合在一起。例如，人们可以专注于放射治疗链的特定部分，并可以响应特定于单个部分的查询。

背景

放射治疗链

放射治疗链是指患者治疗期间的各个步骤，从最初的诊断到最终在癌症医院或中心进行放射治疗。一般来说，放射治疗链中的步骤包括放射治疗中的主要检查点。在这个机器人中，放射治疗链包括以下顺序的七个关键阶段:(1)患者诊断、咨询和处方;(2)患者体位、固定和模拟;(3)放射治疗规划的三维成像;(4)靶区体积和器官圈定;(5)放射治疗计划;(6)患者设置和方案验证;(7)治疗输送。首先，机器人将向用户提供放疗链的大图，并在详细解释每个步骤之前陈述这7个步骤。

这个链条的第一步是诊断、咨询和提供处方。这是当放射肿瘤学家与癌症患者见面并进行医学检查时。在检查患者的病历、实验室检查结果和放射学报告后，放射肿瘤学家决定是否适合患者进行放射治疗。如果是这种情况，放射肿瘤学家将为肿瘤开出放射剂量，并为患者下一步的定位、固定和链模拟做好准备。这一步，连同下一步，用于放射治疗计划的3D成像，有时被合并并称为单一病人模拟的一步。这些步骤的目的是通过计算机断层扫描(CT)获取患者的三维解剖图像集，包括肿瘤，用于治疗计划。这包括将患者安置在治疗沙发上，使他们能够舒适地坐着，同时，放射治疗师能够在日常治疗中将患者安置在相同的位置。由于在照射过程中，即使是微小的位置或方向偏差也会改变辐射束的目标，因此使用了各种固定装置，如头枕和身体模具，以确保最小的移动[6］．患者固定后，使用CT模拟器进行CT扫描以获取患者的解剖信息。这使得放射工作人员能够识别肿瘤和关键器官。在某些情况下，会给病人注射造影剂以提高扫描质量[7］．一旦确定了肿瘤，确定了肿瘤的大小和形状，患者通常会被标记在治疗椅上，以指示放射治疗链最后一步的目标放射剂量。对于获得的患者CT图像集，放射肿瘤学家勾画出肿瘤的3D形状和位置。随着软件图像识别和深度学习的准确性不断提高，这个过程正变得越来越自动化[8,9］．肿瘤被称为肿瘤总体积。一旦获得了这一指标，就确定了临床靶量和计划靶量[10］．计划的目标体积包括部分健康组织，这只是目前放射治疗的一个不可避免的结果。目标量是下一步治疗计划的重点。主要目标是确定一个治疗计划，该计划向目标体积提供高剂量，同时最大限度地减少对周围健康组织的辐射暴露。放射肿瘤学家、放射治疗师和医学物理学家共同工作，根据计划变量(如患者的位置和大小、目标和关键器官)制定适合治疗的计划。创建治疗计划后，开始对患者设置进行验证。这被称为验证模拟。在这一步，病人的治疗是作为一个排练在病人真正接受治疗之前。这一过程在计算机的帮助下进行，以模拟患者的解剖结构和癌症位置，以达到实践和质量保证的目的[11］．2018年进行的一项研究证实，这一过程降低了治疗期间的事故率，并降低了患者和工作人员在治疗期间的焦虑水平[12］．在患者设置和计划验证后，患者最终准备接受放射治疗。在大多数情况下，疗程包括1到30分。在患者的第一个部位，患者被放置在初始固定时建立的位置。放射治疗师按照放射肿瘤学家的规定给药。此时从锥束CT或门静脉成像仪拍摄患者图像，以指导患者设置。这可告知放射工作人员治疗剂量是否有效[13,14］．

医疗保健聊天机器人

放射治疗链是病人或家庭成员在一次治疗中要处理的大量信息。对他们来说，在参观癌症中心时了解基本的治疗过程非常重要，其详细程度与患者在现场教育部分接受放射工作人员的介绍时相似。与医生相比，医疗聊天机器人最突出的优势之一是可访问性。患者可以通过互联网随时访问聊天机器人。一个自主的医疗聊天机器人可以在几分钟内从任何给定主题的所有可用信息中学习，而不是几年。所有的医生和医学专家都受限于通过自己的经验或阅读所收集到的信息。面向病人的机器人等软件机器人可以从每个医疗保健机器人的经验中学习，并以人类无法比拟的速度处理给定主题的信息[15］．由于现代计算机无可比拟的处理能力，一个足够先进的软件机器人可以建立人类无法做到的连接。医疗聊天机器人是这些进步的必然结果。它们提供了一种方法，通过这种方法，实际上无限的信息源可以被简化和交流，以适应人类的需要[16］．这可以通过聊天机器人虚拟助手平台上的脚本和计算机编程来实现。以医疗保健为目的的聊天机器人早在20世纪60年代就已经存在，但当时的计算机缺乏实际用途所需的信息和优化。17］．这是在计算机能够进行自然语言处理(NLP)或机器学习(ML)之前。近年来，许多医疗聊天机器人被用于各种目的，从鼓励身体健康的聊天机器人到诊断聊天机器人[18］．尽管医疗保健聊天机器人尚未被医疗领域完全采用，但对增加使用医疗保健聊天机器人的想法的接受度适度高，并显示出随着NLP和ML的改进而继续增加的迹象[19,20.］．对于信息医疗聊天机器人来说尤其如此，它们在医疗专业人员中表现出很高的接受度。英国的一项研究发现，医疗保健领域对聊天机器人的需求增加，尤其是在年轻人群中[21］．

图灵测试

图灵测试是由艾伦·图灵在1950年提出的，用来证明机器有能力表现出与人类相同的智能行为[22,23］．在测试中，评估员将判断人与模拟人类反应的机器(计算机)之间的对话(图1)．人类评估者、人类和计算机彼此隔离，对话将被限制在纯文本通道中。为了通过测试，评估者不能将计算机与人区分开来。自从图灵测试被引入以来，它已经成为人工智能哲学中的一个重要概念，来证明计算机的智能是否与人类的智能相似。图灵测试影响数字通信程序的开发，如NLP [24］．ELIZA是麻省理工学院人工智能实验室于1964年至1966年间创建的NLP计算机程序[25］．ELIZA采用模式匹配的方法模拟了用户之间的转换，这表明了人与机器之间的交流是肤浅的。随着人们将类似人类的感觉归因于ELIZA，人们相信这个程序可以积极地影响许多人的生活。ELIZA的例子启发了创建具有人工智能的聊天机器人的想法，以帮助那些需要类似人类的触摸和交流的用户[15,16］．

‎ 查看此图

目标

本研究的目标是开发一个能够以简单和信息的方式向用户解释放射治疗过程的机器人。保持机器人不那么健谈也会从降低恐怖谷效应的风险中受益。使用IBM Watson的API，创建了一个基本的对话结构来解释放射治疗链的目的，并向用户介绍链中的每个步骤。在机器人开发过程中，编写足够数量的预期意图是很重要的，以便程序能够理解用户试图交流的内容并生成响应。另一个目标是使机器人能够响应提供更多详细信息的请求，如果这还不够，则将用户引导到一个来源，以获得更深入的信息。尽管这个机器人在设计时考虑到了各种限制，但一个重要的目的是允许机器人直接实现到各种应用程序中。许多基本的聊天机器人被限制在单一的对话流程中，这使得用户请求信息非常耗时。这个机器人是以用户效率为优先级创建的。

方法

IBM沃森助手

ML和NLP

该机器人是使用带有ML功能的IBM沃森助手创建的。nlp的当前状态允许沃森在给定的对话结构中流动，并根据识别类似的给定示例来识别用户的反应，这些示例被称为意图开发过程中[26］．虽然沃森不能回答用户提出的任何问题，但它可以根据预期的输入识别给定的信息。这是通过接收各种示例响应，并使用沃森的NLP识别类似用户的响应来实现的。一旦完成，Watson Assistant可以根据其目的集成到各种不同的应用程序或网站中。Watson的主要优势之一是它的API。27]，它非常简单，用户友好，允许各种非常简单的实现到常用的应用程序中，如SMS文本消息和WhatsApp。

沃森API

意图

沃森将用户输入识别为意图．这些值是程序员根据预期的用户输入选择的。这些值与对话链是分开的，Watson可以有效地将其作为变量使用。如果期望聊天机器人向用户请求信息，程序员将提供尽可能多的可预测响应来表示特定的用户请求。其中一些意图会经常被提及，而另一些则只会被提及一次。

节点

使用用户创建的节点创建基本会话结构。每个节点代表对话的一个特定部分。在Watson中，这些节点可以根据对话树并行连接，也可以按顺序连接。例如，对话有可能根据用户输入而分裂;然后，该节点可以与另一个节点并行创建。如果对话只是从一个点流向另一个点，那么对话就会是串联的。组成一个系列的节点称为父节点，后面的节点称为子节点。没有子节点的节点与第一个节点并行运行，称为根节点。每个对话节点都可以通过特定的条件激活——几乎总是以意图的形式。完成一个节点后，聊天机器人有两个选项。 It can either wait for a reply if user input is required for the next child node or jump to another node at any point in the dialogue.

画外音

对话节点有许多不同的选项，这取决于它们与聊天机器人相关的功能。当节点存在于当前对话链之外时，题外设允许程序员允许或禁止节点被激活。程序员可以使用题外话设置可以在任何时间点激活的响应。这对于开发允许用户跳过某些部分的方法特别有效。

多重条件反应

对话节点还可以设置为响应多种条件，并根据用户输入具有不同的响应。这对于回答特定于对话的问题很有用。对话节点可以包含对多个问题的回答，然后立即返回到对话链。如果没有这个功能，问题将需要由单个节点表示。然后，节点将需要跳转到命令返回到原来的对话链或重复的子节点集以继续对话。

测试

API中的测试特性允许程序员在不需要集成机器人的情况下检查程序。当用户发表声明时，测试人员将显示用户的意图。当程序具有>1相似的意图时，这可以用来解决消歧问题。

放射治疗链对话树

机器人的设计是基于一系列预定义规则建立对话树，通过提供条件来指导用户If或then在每一步。此会话流程基于机器人的工作流程，如图所示图2．这棵树是程序员根据用户的反馈创建的，树的复杂度取决于机器人中内容的数量。其目的是创建一个能够被用户以最有效的方式访问和使用的信息工具。由此，基本的对话树就形成了。在Watson平台中，这是由指示对话开始的单个父节点表示的，放射治疗链的每一步都表示为前一步的子节点。一旦完成了这一点，就会与初始父链并行创建各种全局变量。这些程序使用跳转到命令，因为它们不是对话结构的一部分。如果用户向机器人询问放射治疗链的特定部分，或者用户只是想从头开始，就可以随时访问它们。在这一点上，机器人已经有了功能，但它还没有满足响应信息查询的目标。将子节点添加到对话链中的每个链接中，以响应对更多信息的请求，并添加另一个子节点，以指示信息是否令用户不满意。图2显示对话链的流程图。如前所述，用户可以通过选择来完成放射治疗链继续在每个对话节点。在图2，红色菱形的节点表示父链上的节点，需要用户输入才能继续。白色的菱形代表着链条上潜在的分叉。在每个分叉之后，机器人将返回到父链。

‎ 查看此图

集成

为了集成，为了简单起见，选择了一个网站来托管机器人。由于主题相对特定，将其整合到网站中可以让机器人被网络爬虫找到。这确保了如果有人在搜索引擎上寻找放疗聊天机器人，可以很容易地找到这个机器人。该网站是通过Weebly (Block Inc)设计和托管的，这是一个简单的网站构建器，允许易于使用的定制选项和托管。该网站的设计简单，纯粹是为机器人服务的网站。

机器人测试

辐射工作人员和研究人员对机器人的想法、范围、内容和癌症中心的基础设施进行了审查，以便为公众中的非专家用户(包括患者及其家庭成员)对机器人进行微调。具体来说，来自公众的50人样本被要求使用和评估机器人，并在1到5分的范围内对他们的体验进行评分。这是基于3个不同的指标来衡量的:信息质量、用户体验和可导航性。完成后，他们被要求复制并粘贴他们的聊天记录以供审查。这样做是为了确定使用趋势。这些趋势可以用来指导机器人的进一步发展。

伦理批准

这项研究不需要伦理批准，因为它只涉及创建一个教育聊天机器人软件，用于信息传输，具有性能评估和质量保证。本研究中的数据是匿名和去识别的。

结果

Bot概述

该机器人可经由网页[28］．目前，该机器人功能齐全。正如预期的那样，机器人完全有能力通过对话结构指导用户，可以回答简单的问题，并为没有直接编程到机器人中的信息请求提供资源。机器人前端窗口显示在图3．

‎ 查看此图

机器人与用户之间的通信

在图3，用户可以通过点击右下角的聊天框来启动机器人。中显示了向用户打招呼并解释机器人功能的介绍性消息图4A.介绍信息告知用户，机器人将引导他们一步一步地了解放疗链。此外，欢迎用户随时提问，并跳转到链中的不同步骤。当用户准备好了，他们可以在文本框中输入“ready”或单击“ready”图标继续。在这种情况下，bot将发送下一条消息，解释什么是放射治疗过程中的放射治疗链(图4B).用户可以回答“是”继续，机器人会逐一告知用户癌症患者在访问癌症医院或中心时需要遵循的一般程序(图4C).当用户理解了一个步骤后，可以继续进行下一步。然而，用户可以对机器人回答“不”。在这种情况下，机器人会请求用户通知他们什么时候可以继续。这在图4D。

当机器人完成了放射治疗链中的程序，如癌症患者的咨询和诊断，如图所示图5A，用户可以选择继续进行处理过程的下一个步骤或获取更多信息。如果用户选择后者，机器人将提供有关该主题的更多信息，并再次询问用户是否还想知道更多。当用户回答他们还想知道更多的时候，机器人会提供一个链接，这样用户就可以使用它在互联网上访问更多相关的信息，如图图5B.连接到其他网站以获取更多信息可以让机器人保持简单性并根据用户的响应进行更新。

当机器人收到来自用户的不可预测的响应时，例如，一个随机的字母字符串(例如，“aaaaabbbbbcccccc”)，而不是预期的答案，如“准备好了”，“是”等，机器人将提供另一个建议窗口，指导用户回答问题(图6)．在这个建议窗口中，用户只需要从一个项目列表中选择他们想知道的。或者，用户可以删除该窗口，并通过重新措辞来再次回答问题。这可以避免机器人和用户之间的错误交流，当后者不能很好地回答时(例如，答案中的印刷错误)。当用户无法理解对话中的问题时，该指导还可以帮助他们与机器人进行交流。

‎ 查看此图

‎ 查看此图

‎ 查看此图

绩效评估

机器人的表现由来自公众的50人随机评估。参与者是匿名的，与机器人的开发无关。评估基于三个标准，包括(1)信息质量，(2)用户体验，(3)可导航性。取值范围为1 ~ 5，对应可怜的,令人不满意的,令人满意的,非常满意的,杰出的,分别。在这里,5最高的分数，这表明参与者认为机器人是优秀的，而1是最低值，表示参与者认为机器人很差。这些指标的平均值如下:信息质量=4.3(标准差为7.6%)，用户体验=3.6(标准差为5.2%)，导航性=4.7(标准差为4.1%)。所有指标得分为>3(在满意和非常满意之间)，信息质量和通航性得分为>4(在非常满意和非常出色之间)。这些分数表明，参与评估的参与者至少对机器人的表现感到满意。

讨论

主要研究结果

本研究的目的是创建一个虚拟助理聊天机器人，可以向用户解释放疗链。这款机器人是在IBM沃森助手的帮助下设计的。一旦建成，它将被纳入一个资源，公众可以很容易地访问。这个聊天机器人被成功创建并托管在一个独立的网站上[28］．基本链向用户传达放疗链及其目的，并能够回答一些编程问题。

该机器人在测试过程中遇到的问题很少，用户对其可导航性和信息质量的评价很高。检查聊天记录发现，大多数用户只是浏览根对话链，而没有请求更多信息。信息质量的平均分为4.3，这表明机器人的主要目的得到了充分的满足，因为这表明机器人对放射治疗链的理解有所提高。用户体验得分最低的是3.6分。这可能是由于用户与机器人的互动有限，内容的可变性有限。尽管通航性得分很高，但并不一定意味着成功跳转到命令或重启命令。

未来的发展方向

正如在简介节中，IBM Watson的API使得程序员可以很容易地在任何给定的时间修改底层结构或意图，并向对话添加额外的节点。因此，父链的成功功能表明，只需对现有节点进行很少的更改，就可以改进这个机器人。添加额外的根节点可以增加相关问题的数量。通过添加大量节点和使用具有多个条件反应的节点，机器人还可以用于特定于患者的信息。例如，如果一名患者被诊断出患有癌症，并且在最初的咨询中已经取得了进展，机器人可以根据患者的情况，为患者提供更具体的剩余治疗描述。类似地，第一个节点可以询问用户对放射治疗过程感兴趣的原因，并根据他们的回答使用定制的对话链。这将提供更特定于用户的体验。或者，将这个机器人与其他聊天机器人结合起来，或者创建讨论放射治疗中不同主题的其他对话链，可以概括用户体验。

限制

在这种性质的机器人中有各种不可避免的限制。目前，它将无法回答放射治疗范围之外的任何问题，也不会识别不可预测的反应，因为这是配置的下一个阶段。示例显示在图6．通过提供在通信陷入僵局时选择的项目列表，用户可以选择其中之一返回到机器人的范围并回到通信轨道。另一种提高机器人范围限制的方法是将其链接到外部网站以获取进一步信息。这可以使机器人的数据库保持简单和全面，但如果用户想要获得超出机器人能力的更多信息，仍然可以满足用户。当用户输入不可预测的响应时，机器人会出现沟通不畅的情况，用户可以将该问题反馈给机器人的程序员。然后，程序员可以修改机器人来解决日常更新中的问题。值得注意的是，用户的评论和反馈是不断改进机器人并减少其局限性的重要来源。

结论

一个教育聊天机器人是为患者，他们的家庭成员和公众创建的，通过导航放射治疗链来了解基本的放射治疗过程。自我报告的信息质量分数表明，它还成功地以一般人都能理解的方式向用户传递信息。此外，该机器人的改进便利性和这种性质的聊天机器人的潜在用途使其成功地成为医疗保健中信息聊天机器人概念的有效证明。该聊天机器人可以成功地引导用户通过放疗链。当前对公众舆论的研究以及NLP、ML和基于互联网的技术的持续改进[29表明这些聊天机器人将变得更加先进。医疗保健聊天机器人，如本文中描述的，有很大的潜力[30.，因为医疗聊天机器人在速度和准确性上都超过了人类。未来的研究包括基于用户反馈不断更新机器人。因此，机器人的性能可以在其预设过程的基础上得到提高。