研究人员利用人工智能促使老年人参与研究

在一项新的研究中，佛罗里达州立大学的研究人员探索了招募和留住老年人参与研究的挑战。

这项研究也标志着FSU越来越多地使用广泛的跨学科努力迈出了第一步人工智能在研究。

这项研究发表在的老年医学社会学副教授道恩·卡尔(Dawn Carr)确定了老年人参与研究的核心“动机集群”。卡尔和她在fsu的12位合著者建议，确定这些群体——例如“寻欢取乐者”和“研究助手”——可以指导招聘和留住策略。

卡尔说:“研究中缺乏老年人的代表性，导致研究结果不公正。”“以前关于如何最好地鼓励老年人参与研究的指导是一刀切的。我们的研究发现，老年人的动机多种多样，也很复杂。”

卡尔是佛罗里达州立大学克劳德·佩珀中心的新主任，他和研究报告的合著者、心理学系教授沃利·布特(Wally Boot)说，研究中缺乏老年人的现象在整个研究中普遍存在，并产生了广泛的后果。他们说，量身定制的呼吁可以增加参与研究的老年人的数量和多样性。

“参与者的特征很重要，因为我们希望能够概括我们的发现，”Boot说。“能够招募大量老年人样本至关重要;没有大样本量，我们就无法对我们的结果有信心。”

这是美国国立卫生研究院(NIH)资助的一项大型项目的第一项研究。“以人为本的技术促进依从性”(APPT)项目旨在了解参与者的动机和日常安排，并提供及时的支持，帮助他们参与保持学习的行为。

目标是开发基于人工智能的提醒系统，鼓励老年人参与与衰老相关的研究。

“当人们放弃学习时，很多动力和时间都失去了临床试验可能会失败，因为人们没有按照研究人员的要求行事，”卡尔说。“除非参与者持续参与，否则我们如何测试行为干预是否能降低认知障碍的风险行为从长远来看?”

卡尔补充说:“为此，我们已经了解到有老年人他们有不同的参与动机:大脑健康倡导者、研究助手、寻求乐趣者和多重动机爱好者。我们发现，认知困难、年龄、就业状况和以前的研究参与程度都可以预测这些类别的成员。”

布特说，人工智能方法有助于预测可能引起共鸣的激励信息的类型，并使参与者保持正轨，同时也有助于确定传递这些信息的正确时间。

“人都有习惯，我们可以在不引人注目的情况下养成常规，”他说。“当他们对干预的坚持开始动摇时，我们可以检测到这一点，并在我们预测他们可能重新参与研究的时候提供量身定制的激励信息。”

布特说，这项研究为人工智能的进一步应用奠定了基础。

他说:“两项大型临床试验将提供非常丰富的数据集，以进一步开发算法，帮助预测哪些人依从性差的风险最大，并找到最佳的方法让他们重新参与。”“最终，我们可能能够在失误和辍学发生之前预测和预防它们。这只是通往一些非常令人兴奋的可能性的第一步。”