SAFE.AI: Udvikling og test af en AI-baseret hybrid chatbot til økonomisk styrkelse i landdistrikterns kræftbehandling

Omkostningerne ved kræftbehandling vil nærme sig 246 milliarder dollars inden 2030, hvilket gør kræft til en af de dyreste sundhedstilstande for enkelte personer. Kræftrelaterede økonomiske vanskeligheder påvirker den psykiske trivsel, sundhedsrelateret livskvalitet, lægemiddeloverholdelse og beslutninger om at udsætte eller fravælge behandling negativt. Landdistrikternes kræftpatienter og familier har en højere forekomst af økonomiske vanskeligheder, pådrager sig større rejseudgifter, står over for unikke beskæftigelses- og indkomststressorer og har mindre adgang til specialiserede kræftbehandlingstjenester og udbydere – herunder dem, der støtter økonomiske behov.

Få økonomiske toksicitetsinterventioner er designet til behovene hos landdistrikternes kræftpatienter og familier. Selvom økonomisk navigation effektivt kan reducere kræftpatienters egenudgifter, er kræftprogrammers økonomiske og landdistrikts patientnavigeringstjenester, herunder ved Huntsman Cancer Institute (HCI), overbelastede. De fleste centre reagerer på økonomiske vanskeligheder reaktivt snarere end proaktivt, og programmer er mindre udstyret til at hjælpe med ikke-medicinske kilder til kræftomkostninger, såsom rejse- og beskæftigelsesvanskeligheder.

For at imødegå denne mangel, Self-Advocacy for Financial Empowerment (SAFE) ressourceværktøjskasse med et fællesskabsrådgivende råd bestående af landdistrikternes kræftpatienter, omsorgspersoner og sundhedsaktører. Fællesskabsengageret forskning identificerede også behovet for individuel og tilgængelig information om økonomiske ressourcer og støtte, stigma som en barriere for at søge hjælp, samt den tids- og ressourcekrævende karakter af økonomisk navigation, der begrænser gennemslagskraften og rækkevidden af disse essentielle tjenester blandt landdistriktsfællesskaber påvirket af kræft.

Chatbots, eller samtaleagenter, er en type kunstig intelligens (AI)-system, der anvender maskinlæring til at reproducere realistiske menneskelige samtaler. Manuskriptbaserede chatbots, baseret på klart definerede informationsgrænser, tilbyder præcise, pålidelige og individuelle svar på spørgsmål. Omvendt kan AI-baserede chatbots, der bruger store sprogmodeller (LLM) som GPT4, håndtere tvetydige, åbne spørgsmål, samtidig med at de fortsat bevarer privatlivets fred. Chatbots faciliterer individuel, opdelt information, der forbedrer kommunikation af kompleks information, fremmer brugeres privatliv og støttebehov, og adresserer arbejdsstyrkeudfordringer.

GARDE-Chat, en open-source platform, er blevet etableret til sundhedssystemniveau risikovurdering og genetisk testning for arvelig kræft ved HCI. GARDE-Chat understøtter manuskriptbaserede, hybride og AI-chatbots. Før denne pilottest vil GARDE-Chat blive brugt til at skabe en chatbot designet til at give svar på økonomisk toksicitet, baseret på SAFE værktøjskassens indhold og verificerede ressourcer for at udvikle den manuskriptbaserede version af chatbotten. En stor sprogmodelkomponent af chatbotten vil blive indarbejdet til hybridversionen, der vil gøre det muligt for brugere at stille mere komplekse og åbne spørgsmål, forfinet med fællesskabsaktørinput.

Dette er et randomiseret, to-armet, parallelgruppepilotforsøg, der undersøger et nyt chatbotværktøj designet til at støtte kræftpatienter og omsorgspersoner, især dem i landdistriktsfællesskaber. Cirka 60 deltagere vil blive randomiseret 1:1 til at interagere med enten en hybrid chatbot eller en AI-aktiveret chatbot. Deltagerne vil bruge deres tildelte chatbot til at opnå klar og hjælpsom information relateret til forsikring, rejseudgifter og andre økonomiske aspekter af kræftbehandling. Indskrevne deltagere vil udfylde tre spørgeskemaer (pretest, posttest og 2-ugers opfølgning) og interagere med chatbotten før posttesten. Deltagerne kan interagere med chatbotten mellem posttesten og 2-ugers opfølgningen efter eget valg. Deltagerne vil dele feedback om nytten, brugervenligheden og den samlede oplevelse ved brug af chatbotten og gennemføre pre- og posttestmålinger for at vurdere foreløbig effekt for sekundære udfaldsmål. Alle forskningsaktiviteter vil blive udført online.