Sztuczna inteligencja wspiera pacjentów z padaczką - analiza rozmów z chatbotem

Epilepsia Open (ILAE)➕ 22.04.2026Epilepsia Open (ILAE)Dla: Ogólne (każdy pacjent)

Natural language processing‐based emotion and usage analysis of an AI‐powered chatbot for epilepsy support

W skrócie

Naukowcy przeanalizowali rozmowy pacjentów z padaczką z chatbotem wspomaganym sztuczną inteligencją. Odkryli, że ludzie zadają dwa rodzaje pytań: medyczne i dotyczące radzenia sobie. Rozmowy o proaktywnym uczeniu się zwiększały pozytywne emocje pacjentów.

Szczegóły

Badacze zbadali, jak ludzie używają EpiloBot - chatbota stworzonego specjalnie do wspierania pacjentów z padaczką. W badaniu uczestniczyło 23 osoby: 10 pacjentów z padaczką, 10 opiekunów i 3 pracowników opieki zdrowotnej. Naukowcy przeanalizowali tysiące wiadomości tekstowych używając zaawansowanych technik przetwarzania języka naturalnego.

Wyniku analizy wyodrębniono dwie główne grupy pytań. Pierwsza to "Klaster Pytań Medycznych" - konkretne, rzeczowe pytania dotyczące leków przeciwpadaczkowych i sposobów zarządzania chorobą. Druga grupa to "Klaster Poznawczy" - bardziej osobiste i emocjonalne rozmowy o strategiach radzenia sobie z padaczką i refleksji na temat własnych doświadczeń.

Badacze przyglądali się też emocjom w wiadomościach. Okazało się, że rozmowy skupiające się na aktywnym uczeniu się - na przykład na rozwijaniu umiejętności społecznych - zwiększały pozytywne nastroje u użytkowników. Natomiast wiadomości zawierające osobiste, wewnętrzne rozważania prowadziły do bardziej neutralnych lub negatywnych emocji.

Do szczegółowej analizy emocji włączono pięciu pacjentów, którzy szczególnie aktywnie korzystali z chatbota - każdy z nich rozmawiał z nim ponad 80 razy. To pozwoliło naukowcom dostrzec, jak różne rodzaje rozmów wpływają na uczucia ludzi.

Badanie sugeruje, że chatboty wspierane sztuczną inteligencją mogą być pomocne, ale tylko wtedy, gdy są zaprojektowane w taki sposób, aby łączyć informacje medyczne z autentycznym wsparciem emocjonalnym. Naukowcy zwracają uwagę, że w przyszłości chatboty powinny lepiej reagować na kontekst rozmowy i wykazywać empatię wobec pacjentów.

Najważniejsze ustalenia

  • Pacjenci zadawali dwa rodzaje pytań: faktyczne pytania medyczne oraz osobiste pytania dotyczące radzenia sobie z chorobą
  • Rozmowy o proaktywnym uczeniu się zwiększały pozytywne emocje, podczas gdy wewnętrzne rozważania prowadziły do zmniejszenia pozytywności
  • Chatbot był najczęściej używany przez pacjentów, którzy przeprowadzili więcej niż 80 rozmów z systemem
  • Najlepsze efekty emocjonalne uzyskiwano, gdy chatbot wspierał aktywne uczenie się i rozwój umiejętności

Co to znaczy dla pacjenta

To badanie pokazuje, że chatboty mogą być użytecznym narzędziem do edukacji i wsparcia emocjonalnego dla pacjentów z padaczką. Rozmowy o nauce nowych rzeczy i rozwijaniu umiejętności wpływają pozytywnie na emocje. Wyniki sugerują, że dobrze zaprojektowany chatbot może stanowić uzupełnienie tradycyjnego leczenia, szczególnie gdy chodzi o edukację pacjenta i wsparcie psychiczne.

Pytania, które warto zadać lekarzowi

  • Czy chatboty takie jak EpiloBot mogą być pomocnym uzupełnieniem mojego leczenia?
  • Jakie informacje z chatbota są godne zaufania, a które powinienem zawsze potwierdzić z lekarzem?
  • Czy korzystanie z chatbota może wpłynąć na moją edukację dotyczącą padaczki?

Ograniczenia badania

Badanie obejmowało zaledwie 23 osoby, z czego tylko pięciu pacjentów włączono do szczegółowej analizy emocji. Wyniki pochodzą z wczesnej fazy testowania chatbota i mogą nie być reprezentatywne dla szerszej populacji pacjentów z padaczką.

Oryginalny abstract (angielski)

Abstract Objective Artificial intelligence (AI)‐powered chatbots are increasingly used for patient education and mental health support, yet their effectiveness in epilepsy care remains underexplored. This study examines text‐based interactions between users and EpiloBot, an epilepsy‐focused chatbot, to understand conversational patterns and emotional trends using natural language processing (NLP) techniques. Methods Text interactions from the chatbot's pretest phase (a total of 23 participants; 10 people with epilepsy, PWE, 10 caregivers, and 3 healthcare professionals) were analyzed using JMedRoBERTa (Japanese Medical RoBERTa, a model fine‐tuned on Japanese medical literature) to classify user messages into content clusters and DeBERTa (Decoding‐enhanced BERT with Disentangled Attention, a model developed by Microsoft Research) to track emotional shifts. For sentiment analysis, only five PWE who interacted frequently with EpiloBot (more than 80 times) were included. The study employed UMAP (Uniform Manifold Approximation and Projection) clustering and k‐means algorithms to differentiate between objective medical inquiries and subjective, nonurgent queries. Sentiment analysis was conducted to explore the chatbot's influence on emotional engagement. Results Two primary content clusters were identified: “Medical Inquiry Cluster”—Objective, treatment‐related questions about epilepsy medications and management strategies. “Exploratory Use Cluster”—Subjective or emotional inquiries, often focused on coping strategies and personal reflection. Sentiment analysis using DeBERTa revealed that messages related to proactive learning (e.g., gaining social skills) were associated with increased positive emotions, while introspective, self‐evaluative messages showed reduced positivity. These findings provide insights into how chatbots influence user emotions and engagement patterns. Significance NLP‐based chatbot analyses offer valuable insights into patient engagement and emotional support needs. The study highlights the importance of designing chatbots that balance medical guidance with psychological support, particularly for chronic disease management. Future improvements in chatbot algorithms should focus on context‐aware interactions and empathic response generation to optimize patient outcomes. Plain Language Summary This study analyzed how people interacted with EpiloBot, an artificial intelligence (AI)‐powered chatbot for epilepsy education and support. Using advanced language processing (NLP) techniques, we examined user messages to understand chatbot usage patterns and emotional responses. Results showed that users engaged in two main ways: medical inquiries about epilepsy treatment and exploratory, nonurgent conversations. Emotion analysis revealed that proactive learning interactions increased positive emotions, while self‐reflective questions led to more neutral or negative sentiments. These findings suggest that chatbots can provide emotional benefits, but future improvements should focus on empathetic AI responses and personalized support.

Metadane publikacji

Journal
Epilepsia Open (ILAE)
Data publikacji
11.12.2025
DOI
10.1002/epi4.70186
Autorzy
Keiichi Watanuki, Ryoya Oba, Naoki Nozawa, Tomoki Ishihara, Koko Oga, Takayuki Iwayama, Takafumi Shiganami, Sayaka Kobayashi, Hironori Kuga, Haruo Yoshimasu, Izumi Kuramochi
Źródło
Epilepsia Open (ILAE)