PubMed چکیده/رکورد

Exploring young adult cancer survivors' perspectives on generative AI chatbots for symptom support.

استودیوی صوتی مقاله

پخش حرفه‌ای فارسی و انگلیسی

در حال بررسی نسخه‌های صوتی ذخیره‌شده…

صوت تولیدشده با هوش مصنوعی است. برای کاربرد علمی یا درمانی، متن و منبع اصلی را بررسی کنید.
خواندن هوشمند فارسی و انگلیسی در حال آماده‌سازی صداهای مرورگر…
تنظیم صدای طبیعی و سرعت

صداهایی که در نامشان «Natural»، «Neural» یا «Online» دیده می‌شود معمولاً طبیعی‌ترند. انتخاب صدا به صداهای نصب‌شده در ویندوز و مرورگر شما بستگی دارد.

چکیده اصلی

BACKGROUND: Young adult cancer survivors (ages 18-39) often experience persistent treatment-related symptoms that negatively affect daily functioning, psychosocial well-being, and quality of life, yet report unmet educational needs for symptom management. Generative artificial intelligence (AI) technologies, such as large language model-powered chatbots, offer scalable, personalized, and empathetic symptom support but remain largely untested in young adults' survivorship care. OBJECTIVE: This qualitative descriptive study explored young adult cancer survivors' perspectives, preferences, and experiences related to the use of generative AI chatbots for oncology symptom management. METHODS: Eighteen post-treatment young adult cancer survivors who had completed cancer treatment within the past two years were recruited from the University of Michigan Rogel Cancer Center. Participants completed the PROMIS-29, PROMIS Self-Efficacy for Managing Symptoms, and the Digital Health Literacy Scale to quantify symptom burden, self-efficacy, and digital readiness. Semi-structured interviews explored experiences with cancer treatment-related symptoms and AI use, including preferences for personalization, tone, functionality, and data governance. RESULTS: Qualitative analyses revealed three themes: (1) the need for personalized, emotionally supportive, and credible AI symptom guidance; (2) accessible and user-centered design drives engagement with AI symptom support; and (3) trust, privacy, and human oversight as preconditions for AI symptom support. Survivors viewed AI as a supplemental resource to enhance symptom monitoring, decision support, and emotional reassurance without replacing clinical care. CONCLUSION: Generative AI chatbots were perceived as acceptable and potentially valuable for AYA symptom management. Findings can guide the development of tailored digital self-management interventions responsive to the complex and evolving needs of this population.

نتیجه فارسی

این مطالعه کیفی، دیدگاه‌های ۱۸ زنده‌ی پس از سرطان جوانان را در مورد استفاده از ربات‌های گفتگوی هوش مصنوعی مولد برای مدیریت علوم اورولوژیک بررسی کرد. شرکت‌کنندگان هوش مصنوعی را به عنوان منبعی مکمل برای نظارت بر علائم و پشتیبانی تصمیم می‌دانستند، اما نیاز به اعتماد، حریم خصوصی و طراحی متمرکز بر کاربر را برجسته کردند. نتایج نشان می‌دهد که این فناوری برای این جمعیت قابل قبول است.

  • هوش مصنوعی مولد به عنوان منبعی مکمل برای نظارت بر علائم و پشتیبانی تصمیم پذیرفته شد.
  • طراحی دسترسی‌پذیر و متمرکز بر کاربر برای افزایش مشارکت ضروری است.
  • اعتماد، حریم خصوصی و نظارت انسانی پیش‌شرط‌های حیاتی هستند.
  • زنده‌ی پس از سرطان‌ها نیاز به راهنمایی شخصی‌سازی‌شده و معتبر را بیان کردند.

ترجمه فارسی چکیده

پس از درمان سرطان، جوانان (سنین ۱۸ تا ۳۹) اغلب با علائم درمان‌مرتبط پایدار روبرو می‌شوند که عملکرد روزانه، رفاه روان‌شناختی و کیفیت زندگی را منفی تحت تأثیر قرار می‌دهند، اما نیازهای آموزشی برای مدیریت علائم را برآورده نمی‌دانند. فناوری‌های هوش مصنوعی مولد، مانند ربات‌های گفتگوی مبتنی بر مدل‌های زبانی بزرگ، پیشنهادهای مقیاس‌پذیر، شخصی‌سازی‌شده و همدلانه‌ای برای حمایت از علائم ارائه می‌دهند، اما در مراقبت از زنده‌ی پس از سرطان جوانان به‌طور گسترده‌ای آزمایش نشده‌اند. این مطالعه توصیفی کیفی، دیدگاه‌ها، ترجیحات و تجربیات زنده‌ی پس از سرطان جوانان را در مورد استفاده از ربات‌های گفتگوی هوش مصنوعی مولد برای مدیریت علوم اورولوژیک بررسی کرد. هجده زنده‌ی پس از سرطان جوانان که در دو سال گذشته درمان خود را به پایان رسانده بودند، از مرکز سرطان Rogel دانشگاه میشیگان استخدام شدند. شرکت‌کنندگان پرسشنامه‌های PROMIS-29، PROMIS خودکارایی برای مدیریت علائم و مقیاس سواد سلامت دیجیتال را برای سنجش بار علائم، خودکارایی و آمادگی دیجیتال تکمیل کردند. مصاحبه‌های نیمه‌ساختاریافته تجربیات با علائم مرتبط با درمان سرطان و استفاده از هوش مصنوعی، از جمله ترجیحات برای شخصی‌سازی، لحن، عملکرد و حاکمیت داده‌ها را بررسی کرد. تحلیل‌های کیفی سه موضوع را آشکار ساخت: (۱) نیاز به راهنمایی هوش مصنوعی علائم شخصی‌سازی‌شده، حمایت عاطفی و معتبر؛ (۲) طراحی دسترسی‌پذیر و متمرکز بر کاربر برای افزایش مشارکت در حمایت از علائم هوش مصنوعی؛ و (۳) اعتماد، حریم خصوصی و نظارت انسانی به عنوان پیش‌شرط‌های حمایت از علائم هوش مصنوعی. زنده‌ی پس از سرطان‌ها هوش مصنوعی را منبعی مکمل برای بهبود نظارت بر علائم، پشتیبانی تصمیم و اطمینان عاطفی بدون جایگزینی مراقبت بالینی دیدند. ربات‌های گفتگوی هوش مصنوعی مولد به عنوان قابل قبول و بالقوه ارزشمند برای مدیریت علائم AYA پذیرفته شدند. یافته‌ها می‌توانند در توسعه مداخلات خودمدیریت دیجیتال متناسب با نیازهای پیچیده و در حال تغییر این جمعیت راهنمایی کنند.

روش پژوهش

این مطالعه توصیفی کیفی شامل مصاحبه‌های نیمه‌ساختاریافته با ۱۸ زنده‌ی پس از سرطان جوانان است که در دو سال گذشته درمان خود را به پایان رسانده بودند. شرکت‌کنندگان پرسشنامه‌های PROMIS-29 و PROMIS خودکارایی را برای سنجش بار علائم و خودکارایی تکمیل کردند.

محدودیت‌ها

محدودیت‌های این مطالعه شامل حجم نمونه کوچک و تمرکز بر یک جمعیت خاص (زنده‌ی پس از سرطان جوانان) است.

استخراج ساختاریافته از متن منبع

نمای PICO و پیامدها

جمعیت
زنده‌ی پس از سرطان جوانان (سنین ۱۸ تا ۳۹) که در دو سال گذشته درمان خود را به پایان رسانده بودند.
مداخله/مواجهه
ربات‌های گفتگوی هوش مصنوعی مولد (مبتنی بر مدل‌های زبانی بزرگ) برای مدیریت علائم.
مقایسه
هیچ مقایسه‌ای با روش‌های دیگر انجام نشده است.

متن کامل اصلی

متن در JumpToDate ذخیره نشده است.

برای بررسی دسترسی کتابخانه‌ای یا خرید، رکورد اصلی را باز کنید.

رفتن به منبع اصلی

کلیدواژه‌ها

Cancer treatment-related symptomsGenerative artificial intelligenceQualitative researchYoung adult
در همین زیرشاخه

مقاله‌های مرتبط

PubMed2027

Towards a justice-based reimagination of digital health research and innovation: actionable considerations for learning health systems.

The need to embed decolonising methodologies in health-care practice has been recognised globally. The term decolonising health, which has become a topic of increasing public and academic discourse since 2021, refers to the dismantling of colonial systems of dominance and oppression ingrained within health systems and structures. Despite the growing recognition of the need for decolonisation in broader health research and practice, the…

PubMed2026

[THE TRANSFORMATION OF LABOR ACTIVITY OF MEDICAL WORKERS IN CONDITIONS OF DIGITIZATION OF HEALTH CARE].

The implementation of digital technologies in the work of both health care professionals and the industry as a whole is a key factor in improving health care efficiency. The digitization of the Russian health care is implemented in accordance with the strategy of digital transformation. The digital transformations not only condition changes in the existing organization of functioning of medical institutions but also cardinal transforma…

PubMed2026

Moving beyond sexual and reproductive health knowledge: an evaluation of a co-designed digital engagement tool to promote sexual and reproductive health among international students in New South Wales, Australia.

BACKGROUND: This study evaluates the perceived impact and needed enhancement of a co-designed digital sexual and reproductive health (SRH) tool ('the Hub') developed to address SRH literacy gaps among international students (IS) in New South Wales, Australia. Despite Australia's large IS population and recognition of SRH as a fundamental human right, many report limited exposure to SRH information and face barriers to navigating health…

PubMed2026

PrEP awareness, barriers and facilitators in Malaysia in the current landscape of new HIV infections: a review.

Pre-exposure prophylaxis (PrEP) uptake remains low among key populations in Malaysia despite notable improvements in PrEP awareness. This literature review aims to understand PrEP awareness, barriers and facilitators that influence PrEP utilisation. PrEP awareness ranged between 20 and 85%, whereas uptake ranged between 8 and 18.3%. Reported barriers included cost, limited accessibility, poor PrEP literacy, potential side-effects, dail…