用于数字化慢性病管理的基于大语言模型的运动处方系统——来自一项大规模随机对照试验的证据

本研究的主要目标是开发并评估一套基于大语言模型（LLM）的运动处方系统（EPS），用于为参与数字化慢性病管理项目的个体提供可规模化、安全且具有支持性的运动反馈。

肥胖和 2 型糖尿病等慢性疾病需要长期的生活方式改变以及频繁的行为反馈。然而，在大型线上健康社群中，个体化运动指导的提供往往受到人力资源有限、指导质量存在差异以及难以实现标准化等因素的制约。本研究旨在探讨：在真实世界条件下，一套经专家对齐的智能系统能否在适当的安全保障下，负责任地辅助提供与运动相关的反馈。

本研究的具体目标如下：

1. 开发一套基于大语言模型的运动反馈系统，并以既有医学与运动科学知识为基础。该系统使用经过筛选的医学数据集和专家审核的运动指导内容进行训练，以确保输出与广泛认可的临床与公共卫生建议一致。
2. 使系统的回应与专业判断、安全考量以及支持性沟通实践相一致。除事实准确性外，本研究还旨在确保系统生成的运动反馈审慎、不过度惊吓、情绪表达稳定，并适用于不同健康状况的人群。
3. 在真实世界部署前评估由系统生成的运动反馈的安全性与合理性。将由具备资质的健康专业人员开展内部试点评估，以检查生成内容是否包含不恰当建议、关键遗漏或潜在危害来源。
4. 评估在在线慢性病管理社群中采用智能辅助运动反馈的真实世界效果。通过社群层面的随机对照设计，本研究将比较“使用 EPS 生成并辅助审核的运动反馈”与“标准的人类撰写反馈”在体重相关指标与血糖相关指标上的差异。
5. 考察参与者对智能生成运动反馈的主观感受。本研究还将了解参与者在满意度、情绪语气、鼓励感知以及整体可接受性等方面对该反馈的体验。

总体而言，本研究旨在为“EPS 是否能够在数字化慢性病管理场景中、在充分保障参与者安全、福祉与数据隐私的前提下得到负责任的整合应用”提供证据。本研究结果将为未来 AI 辅助生活方式干预在医疗领域的发展与治理提供参考。