Celeste Seah¹，Yoke Chuan Lee²，Jung-Joo Lee¹，Ching Chiuan Yen¹,³，Clement Zheng¹,³

（1. Division of Industrial Design, National University of Singapore；2. ECON Healthcare；3. CUTE Center, National University of Singapore）

编者按：

随着生成式人工智能（Generative AI）进入医疗与照护场景，一个重要问题日益突出：AI究竟应当替代照护人员，还是应当嵌入照护流程，支持人与人之间的关系性工作？本文聚焦痴呆照护中的怀旧治疗（reminiscence therapy, RT），提出并研究了一个面向治疗师的AI辅助工具Rememo。与许多试图用聊天机器人直接陪伴老年人回忆过往的系统不同，Rememo并不试图取代治疗师，而是将AI作为“在环”工具，帮助治疗师准备材料、跨越语言和文化障碍，并生成个性化视觉提示物，从而支持人与人之间的记忆交流。

怀旧治疗是痴呆照护中常见的非药物干预方式，通常通过照片、物件、音乐、气味等提示物，引导痴呆老人回忆过去经历、表达情绪并维持自我身份感。其中，视觉提示物尤其重要，因为许多自传式记忆与图像、场景和感官经验密切相关。然而，在养老院等机构化照护环境中，治疗师往往难以获得每位住民的个人照片，也需要花费大量时间寻找具有文化相关性和个人意义的图像材料。对于新加坡这样多语言、多文化的照护环境而言，治疗师与住民之间还可能存在语言、方言和文化背景差异，这进一步增加了怀旧治疗的组织难度。

作者指出，过去二十多年间，人机交互领域已经提出许多技术介入怀旧治疗的方案，包括推荐系统、虚拟现实、知识图谱、聊天机器人和大语言模型等。研究团队回顾了54篇相关文献，发现其中大多数系统以痴呆老人个人为主要对象，很多系统试图通过会话代理直接承担“陪伴回忆”的角色。然而，在真实照护场景中，治疗师并不是外围角色。相反，他们承担着判断住民状态、选择合适主题、观察情绪反应、调整提问方式和维持安全氛围等关键工作。怀旧治疗的有效性并不只来自提示物本身，更来自治疗师与住民之间的关系、共情和即兴引导。

基于这一认识，作者通过为期两年的“研究通过设计”（research-through-design）项目，与新加坡ECON Healthcare的职业治疗团队合作开发Rememo。该系统将实体提示卡、移动网页应用、OCR识别、生成式图像模型、大语言模型提问提示和即时照片打印结合起来。治疗师可在怀旧治疗前选择主题卡片；治疗过程中，住民可从卡片中选择与自身经历相关的内容；系统通过识别卡片文字和治疗师补充的自由文本生成图像，并提供开放式引导问题。治疗师随后决定是否向住民展示或打印生成图像，从而保留对治疗过程的专业判断权。

研究团队在新加坡两家长期护理机构中开展了两周部署研究，共有5名照护人员参与，包括职业治疗师、治疗助理和照护项目协调员。研究共涉及21名住民，开展26场怀旧治疗，其中19场为一对一治疗，7场为小组治疗。使用期间，系统生成了151张图像，其中50张被打印为实体照片。研究重点并不是直接测量临床疗效，而是观察治疗师如何将Rememo整合进既有工作流程，以及他们如何评价AI在怀旧治疗中的作用。

研究发现，Rememo首先降低了治疗准备负担。治疗师认为，提示卡和AI生成的问题可以帮助他们更快进入话题，尤其能支持经验较少的治疗助理。以往治疗师需要提前寻找幻灯片、老照片或实物材料，而Rememo提供了一个可快速组合的材料包，使治疗师不必总是从零开始构思“今天聊什么”。打印出的图像也提供了可触摸、可保存的实体媒介，一些治疗师甚至设想将其整理成住民的“生命故事书”。

其次，Rememo在一定程度上帮助跨越语言和文化障碍。多语言提示卡让非本地治疗师更容易理解和引出相关话题，也让住民能够在熟悉的文化语境中进行选择。不过，系统并不能消除所有沟通困难。对于识字能力较弱、视觉能力下降或认知损害较重的住民，治疗师仍需朗读卡片、缩小选择范围、简化AI生成的问题，并根据住民状态调整互动节奏。这说明AI并不能独立完成治疗工作，而必须依赖治疗师的判断和转译。

第三，Rememo对住民的回忆、表达和社交参与产生了积极影响。参与治疗师观察到，一些住民在看到与自己经历相近的生成图像后，能够讲出更具体的时间、地点、人物和经历细节；有些平时较少交流的住民在使用Rememo后变得更愿意说话，也更愿意倾听其他住民的分享。研究团队认为，这可能来自两个机制：一是提示卡赋予住民适度选择权，使其能够决定谈论哪些记忆；二是AI生成图像提供了“把话变成画面”的视觉支架，帮助住民围绕具体场景展开叙述。即使图像并非百分之百准确，只要具有足够的相似性和情感共鸣，也能激发回忆与交流。

但是，本研究存在局限。首先，研究样本较小，且基于新加坡一家照护机构的两家护理院，结果不能直接推广至所有国家和照护体系。其次，研究主要通过治疗师观察和质性反馈评估住民参与度，尚未使用长期临床指标系统测量治疗效果。再次，Rememo针对新加坡多语言、多文化照护环境进行了大量本地化设计，在文化较单一的地区，这些功能的重要性可能有所不同。未来研究还需要进一步改进图像生成速度、成本、历史准确性和个性化能力，并在更长周期和更多照护场景中验证其影响。

总体而言，本文的核心贡献在于将生成式AI照护研究的重点从“AI能否替代治疗师”转向“AI如何支持治疗师”。Rememo表明，在痴呆怀旧治疗这样的关系性工作中，真正有价值的AI并不是独立对话代理，而是能够帮助治疗师准备材料、跨越沟通障碍、生成个性化提示物并激发记忆交流的在环工具。它提醒我们，在医疗与照护场景中设计AI系统时，不应只追求自动化效率，还应尊重照护工作的社会、文化和情感维度，让AI增强而不是削弱人与人之间的关系。

资料来源：

根据Celeste Seah等人于2026年发表于ACM CHI’ 26，题目为《Rememo: A Research-through-Design Inquiry Towards an AI-in-the-loop Therapist’s Tool for Dementia Reminiscence》的文章缩写整理而成。

（本文责任编辑： 蒋新宇）