How to design digital health interventions with artificial intelligence: A scoping review.

چکیده اصلی

OBJECTIVES: Digital health interventions often struggle to scale due to rigid, resource-intensive design methods. A shift is underway toward evaluating AI-as-Agent, a dynamic partner in the design process, rather than a static clinical product. This systematic scoping review maps the landscape of generative digital health design and its impact on healthcare transformation. METHODS: Following PRISMA-ScR guidelines, we searched PubMed, IEEE Xplore, and ACM Digital Library (2020-2025) for studies utilizing AI tools to actively support the design, development, or evaluation of digital health artifacts with human-in-the-loop validation. RESULTS: Twenty-one studies met inclusion criteria. We identified distinct design roles for AI: Creator, Facilitator, Co-Designer, Tester, and Evaluator. Results indicate AI shows potential to mitigate critical design risks: synthetic data enables pre-clinical risk abatement; generative co-design fosters epistemic agency and patient inclusivity; and automated workflow analysis reduces clinician cognitive load. Based on these findings, we propose the AGENT Framework (Algorithmic Simulation, Generative Co-Design, Embedded Guardrails, Next-Best-Action, Tracked Evolution). CONCLUSIONS: AI is evolving into a collaborative design partner capable of enhancing the equity, scalability, and safety of digital health interventions. The AGENT framework offers a structured roadmap for stakeholders to integrate AI into the innovation lifecycle.

ترجمه فارسی چکیده

اهداف: مداخلات سلامت دیجیتال اغلب به دلیل روش‌های طراحی سفت و سخت و پرهزینه، با چالش‌های مقیاس‌پذیری روبرو هستند. تغییراتی در حال رخ دادن است که به سمت ارزیابی «هوش مصنوعی به عنوان عامل»، شریک پویا در فرآیند طراحی، به جای یک محصول بالینی ثابت است. این مرور نظام‌مند محدوده، چشم‌انداز طراحی سلامت دیجیتال مولد و تأثیر آن بر تحول سلامت را ترسیم می‌کند. روش‌ها: طبق دستورالعمل‌های PRISMA-ScR، ما در پایگاه‌های داده PubMed، IEEE Xplore و ACM Digital Library (۲۰۲۰-۲۰۲۵) برای مطالعات استفاده از ابزارهای هوش مصنوعی که به طور فعال از طراحی، توسعه یا ارزیابی اشیاء سلامت دیجیتال با تأیید انسانی در حلقه پشتیبانی می‌کنند، جستجو کردیم. نتایج: بیست و یک مطالعه معیارهای ورود را برآورده کردند. نقش‌های طراحی متمایز هوش مصنوعی را شناسایی کردیم: خالق، تسهیل‌گر، طراح مشترک، تستر و ارزیاب. نتایج نشان می‌دهد هوش مصنوعی پتانسیل کاهش ریسک‌های طراحی حیاتی را دارد: داده‌های مصنوعی امکان کاهش ریسک پیش‌بالینی را فراهم می‌کند؛ طراحی مشترک مولد، آژانس شناختی و شمول بیمار را تقویت می‌کند؛ و تحلیل خودکار جریان کاری بار شناختی پزشکان را کاهش می‌دهد. بر اساس این یافته‌ها، ما چارچوب AGENT (شبیه‌سازی الگوریتمی، طراحی مشترک مولد، محافظت‌های جاسازی شده، اقدام بهترین گزینه بعدی، تکامل ردیابی شده) را پیشنهاد می‌کنیم. نتیجه‌گیری: هوش مصنوعی در حال تبدیل شدن به شریک طراحی همکاری‌گر است که می‌تواند عدالت، مقیاس‌پذیری و ایمنی مداخلات سلامت دیجیتال را ارتقا دهد. چارچوب AGENT نقشه راه ساختاریافته‌ای برای ذینفعان برای ادغام هوش مصنوعی در چرخه نوآوری ارائه می‌دهد.

متن کامل اصلی