Amama Mahmood¹，Shiye Cao¹，Maia Stiber¹，Victor Nikhil Antony¹，Chien-Ming Huang¹*

（1. Johns Hopkins University, Baltimore, MD, United States）

编者按：

随着全球人口老龄化趋势不断加剧，慢性病管理与自我健康管理已经成为智慧康养领域的重要议题。研究表明，约95%的老年人至少患有一种慢性疾病，80%的老年人同时患有两种及以上慢性疾病；而记忆能力下降、医疗信息复杂以及缺乏持续资源分配等众多因素，使得老年人在药物管理、健康理解和日常健康决策方面面临诸多挑战。本文介绍的研究正是在这一背景下展开。作者通过与老年用户的深入访谈和共创设计，探索语音助手在自我健康管理中的应用，并开发了一个基于大语言模型（Large language Model，LLM）的语音健康助理原型系统。该系统尝试将复杂的医疗信息转化为更易理解的语音说明，并通过个性化提醒帮助用户更好地遵循治疗计划。研究不仅关注技术实现，也重点探讨了老年人如何理解、使用并评价这样的系统，从而为未来面向老年群体的健康对话系统设计提供经验与启示。这项研究展示了语音助手与LLM在老年健康管理领域的应用潜力，也提醒我们：技术要真正发挥作用，不仅需要能力更强的算法，更需要从使用者的实际生活情境出发进行设计。通过理解老年人的需求、习惯与顾虑，智能系统才有可能真正成为他们日常生活中的可靠“伙伴”。

近年来，语音助手（Voice Assistants）因其自然、低门槛的交互方式，被认为是支持老年人健康管理的重要技术。然而，现有语音助手在医疗场景中的应用仍然有限，往往缺乏个性化支持，对医疗信息的理解能力不足，也难以真正融入老年人的日常健康管理流程。针对这一问题，本文从以人为中心的设计视角出发，提出了一种面向老年人的语音健康助理设计方法，并开发了一个基于LLM的语音健康助手原型系统，用于支持老年人的健康信息理解与药物管理。

文章首先通过一项包含17名老年参与者的入户访谈研究，系统分析了老年人在健康自我管理中的实际困难。研究发现，老年人的核心挑战主要集中在两个方面：一是对自身健康状况与医疗信息缺乏清晰理解（health awareness），二是难以持续遵循药物服用与治疗计划（medical adherence）。复杂的医疗文件、难以理解的医生说明以及分散的健康信息，使得许多老年人难以有效地进行日常健康管理。

基于这些发现，作者提出并实现了一种LLM驱动的语音健康助理系统原型。该系统能够读取并解释医生就诊后的总结文件（After-Visit Summary），将复杂的医疗信息转化为更易理解的语音说明，并根据用户的具体情况生成个性化的用药提醒与健康提示，从而帮助老年人更好地理解医生建议并遵循治疗计划。

在系统设计过程中，作者采用了一个包含五个阶段的以用户为中心的设计流程。首先通过访谈研究理解需求；随后通过共创设计工作坊（co-design workshops，N=10）与老年人共同讨论并完善系统功能；接着开发高保真语音助手原型；最后通过入户研究（N=5）对系统可用性与交互体验进行验证。这种“与老年人共同设计”的方法，使系统设计更贴近真实使用情境，也更符合老年用户的认知与交互习惯。

研究结果表明，参与者普遍认为语音交互在健康管理场景中具有明显优势。相比传统手机应用或复杂界面，语音助手能够降低操作负担，使用户更容易获取健康信息与提醒。同时，用户也强调系统需要具备更强的个性化能力，例如根据个人健康状况调整提醒内容、适应用户的生活习惯，并在互动过程中尊重用户的自主性和决策权。

进一步的分析还指出，面向老年人的健康语音助手在设计时需要重点关注几个关键特征，包括：清晰易理解的信息表达、对用户语境的适应能力、对健康信息来源的透明说明，以及在提供建议时保持对用户自主性的尊重。这些设计原则不仅有助于提升系统可用性，也能够增强用户对智能健康助理的信任感。

总体而言，本文通过结合用户研究、共创设计和系统原型开发，系统探索了语音助手在老年健康自我管理中的应用潜力。研究不仅提出了一种面向老年人的语音健康助理设计框架，也为未来基于大语言模型的健康对话系统提供了重要的设计经验与实践启示。

资料来源：

根据 Amama Mahmood 等人于2025年发表在 CHI 2025（Conference on Human Factors in Computing Systems）题目为《Voice Assistants for Health Self-Management: Designing for and with Older Adults》的文章缩写整理而成。

（本文责任编辑：蒋新宇）