《Obesity Reviews》：Artificial Intelligence Interventions Targeting Obesity-Related Behaviors: Protocol for a Scoping Review
编辑推荐：
这篇综述系统回顾了人工智能在肥胖干预领域的应用，重点在于其作为行为改变工具的作用。它旨在全面梳理2020-2025年间发表的文献，以审视AI代理的特征、交互设计、靶向行为及干预成效，并为未来基于AI的健康管理方案开发提供循证依据。
人工智能干预肥胖相关行为的路线图：一项范围综述的探索
在2026年的今天，全球超过8.9亿人正与肥胖症共存，这种慢性疾病不仅加剧了2型糖尿病、心血管疾病和睡眠呼吸暂停等多种健康风险，也带来了沉重的心理和经济负担。面对这一全球性的公共卫生挑战，传统干预措施在可扩展性和个性化方面常显不足。此刻，人工智能(AI)作为一种革命性工具，正步入肥胖预防和管理的舞台中央，展现出通过影响行为来驱动长期改变的巨大潜力。本文将解读一篇旨在系统梳理该领域进展的研究协议，探索AI如何成为我们对抗肥胖的有力盟友。
1 引言：为何要审视AI在肥胖干预中的角色？
肥胖是一个由身体脂肪过度积累引发的复杂慢性疾病，对健康构成广泛威胁。据世界卫生组织(WHO)定义，身体质量指数(BMI)达到或超过30即被归为肥胖。肥胖不仅显著增加罹患多种严重生理疾病的风险，也与抑郁症、焦虑症、进食障碍等心理问题紧密相关，严重影响患者的生活质量。从经济角度看，若不采取有效行动，预计到2030年，全球与超重和肥胖相关的成本每年将超过3万亿美元，到2060年更将攀升至惊人的18万亿美元。
面对不断上升的肥胖流行率，开发可扩展、高成本效益的解决方案迫在眉睫。AI支持的干预措施，如生成式聊天机器人、自适应虚拟化身和会话式AI系统，因其能够模拟人类互动、提供个性化指导并无缝集成于各类数字平台而备受关注。这些特性有望帮助克服传统干预在规模、个性化及用户参与度维持方面的局限。然而，当前AI在肥胖领域的应用多集中于风险因素识别、患者分类和辅助临床决策。AI作为行为改变的“主动代理”，帮助个体采纳并维持更健康生活方式的潜力，仍是一个有待深入探索的广阔天地。
此前虽有综述关注AI在减重和肥胖研究中的应用，但它们大多强调机器学习(ML)模型的预测和诊断能力，或仅提供AI对长期行为结果影响的有限证据，缺乏理论整合、对特定行为改变模型的参考，也未能系统地对AI干预类型和作用机制进行分类。因此，亟需一项范围综述来绘制现有研究图景，对所用AI代理进行分类，评估其行为功能，并为未来针对肥胖相关行为的AI支持干预指明方向。
1.1 核心定义与概念框架
本综述将聚焦于“AI支持的干预措施”，特指那些在干预中使用的、面向参与者的AI代理。这些AI代理需具备至少一项核心特征：1. 基于用户输入或行为提供个性化反馈或建议；2. 支持自然语言沟通（如通过聊天机器人或对话界面）；3. 根据用户进度或状态调整目标、内容或信息。这一定义涵盖了从基于规则的聊天机器人到复杂的生成式AI系统等一系列技术。
为了提供一个分析AI支持干预措施的概念框架，本综述将借鉴“人工智能智能”的分类，区分“机械AI”、“思维AI”和“情感AI”。“机械AI”指自动化重复性任务；“思维AI”指用于数据驱动决策的分析智能；而“情感AI”则指能够模仿人类共情和社会互动的社交智能。在本综述中，我们将按主要功能对每个AI代理进行分类——分析性（数据驱动的“思维AI”）与关系性（社交/情感“情感AI”），以审视两者如何共同促进行为改变。
为支持干预措施中行为改变成分的一致分类与比较，本综述将借鉴Michie等人开发的行为改变技术分类法(BCTTv1)。该分类法定义了93种离散的行为改变技术(BCTs)，分为16个集群，如“目标与规划”、“反馈与监测”、“社会支持”和“塑造知识”。BCTTv1将被用于对AI代理为影响肥胖相关行为所采用的策略进行分类。此外，综述将采用“刺激-机体-反应”(SOR)框架来指导综合与解释，其中AI系统特征和行为改变技术被概念化为刺激，用户参与和心理过程被视为机体层面的反应，而行为和临床结果则为反应。
2 研究问题与纳入标准
本范围综述旨在审视AI代理如何被用于影响行为，并支持肥胖的预防、治疗和管理。具体研究问题包括：1. AI在肥胖相关行为干预中有何特征？2. AI代理如何与用户互动以影响肥胖相关行为？3. AI支持的肥胖干预针对哪些具体行为？4. AI支持的肥胖干预使用哪些传递方法和平台？5. AI支持的肥胖干预报告了哪些结果和参与度指标，以及这些指标如何被测量和报告？6. 评估AI代理用于肥胖相关行为改变的研究的方法学质量如何？
为确保研究的聚焦与可比性，综述制定了明确的纳入和排除标准，采用PICOS（人群、干预、情境、结果、研究类型）框架进行结构化。研究人群涵盖所有年龄段的个体，干预措施需为包含符合“机械”、“思维”或“情感”类别定义的AI代理的AI支持干预，情境包括任何环境下的干预，结果则广泛涵盖干预特征、设计及各类结局指标。研究类型限定为2020年至2025年间发表的、评估AI代理用于肥胖相关行为改变的实证研究，排除仅使用AI进行预测、分类或仅触发临床医生行动而无自动化内容传递给参与者的研究，以及仅提供静态信息的通用移动健康(mHealth)干预。
3 研究方法与设计
本综述将遵循已确立的范围综述方法学框架进行，并依据系统综述和荟萃分析优先报告条目范围综述扩展版(PRISMA-ScR)进行报告。文献检索将在Scopus、Web of Science和PubMed三个数据库中进行，检索策略围绕“人工智能”、“聊天机器人”、“肥胖”等核心概念构建布尔检索式，并进行前向和后向引文追踪以提升查全率。检索结果将经过去重、标题摘要筛选和全文筛选，由两名独立评审员完成，分歧通过讨论或咨询第三位评审员解决。
数据提取将使用标准化的模板，涵盖出版物详情、AI代理特征、干预设计、靶向行为、测量结果和质量评估等多个维度。对于包含多种成分的干预，将分别提取和编码AI成分与任何人为传递的成分。行为改变技术将使用BCTTv1和特定的编码手册进行编码。为确保编码一致性，评审员将接受结构化培训和校准。尽管范围综述不强制要求质量评估，但本研究将使用混合方法评估工具(MMAT)对纳入研究的方法学质量进行评估，结果将用于对报告结果进行分层解读和情境化描述，而非作为排除研究的依据。
4 成果呈现与未来影响
研究结果将主要使用SOR框架作为解释性透镜，以结构化映射的形式呈现干预特征。我们将提供按AI类别（机械、思维、情感）划分的描述性汇总，展示AI类别与交互设计、靶向行为、传递平台之间的交叉列表，并报告BCTTv1技术的频率分布。用户参与度和结局变量将在SOR结构内进行解读，以描述不同的AI“刺激”如何与“机体”层面的反应及报告的行为或临床“反应”相关联。
这项范围综述的成果将通过同行评审期刊、学术会议、利益相关者简报、面向公众的通俗摘要等多种渠道进行传播。其发现有望描绘出AI在肥胖行为干预中的应用现状与未来图景，识别当前证据的空白，为研究者指明方向，并为从业者和政策制定者实施基于证据的AI解决方案提供宝贵指导。最终，理解AI在行为改变中的作用，将有助于开发可扩展且有效的干预措施，以应对肥胖带来的日益严峻的公共卫生挑战。
