此次新G病毒凸顯了機器人在與傳染病對抗中的重要作用。與人類相比，機器人不會感染傳染病；與疫苗相比，它們對特定的傳染媒介是不可知的；與抗生素相比，它們不會產生耐藥菌株。盡管有這些好處，但要成功部署機器人來抵抗傳染病暴發，仍然存在巨大的技術、文化和社會心理挑戰。2016年Kory Kraft發表“Robots Against Infectious Diseases”，我們整理了該文與大家分享。

1、背景

傳染病對世界各國人民構成了長期威脅。疫苗和抗生素似乎是G度傳染、G毒疾病的靈丹妙藥。但是，這些工具的開發需要時間、大量資金的投入，并且仍然具有G度的疾病特異性[1]。例如，盡管自1976年以來我們就了解埃博拉病毒病（EVD），但目前有希望的疫苗試驗是在國際社會對近爆發的恐懼加劇之后才開始的[2]。為了保證其有效性，每一種疫苗需要針對每一種病毒，有時還要針對每一種毒株進行定制。機器人不能代替疫苗和治療、控制和預防傳染病的傳統方法。但是，它們是可以在多種傳染原暴發中起作用的通用平臺，直到開發出合適的疫苗或抗生素為止。

在疫情暴發期間，工作人員可以使用遠程操作和自主機器人執行常規的輔助性醫療保健任務。這將減少工作人員在危險污染區花費的時間，這也將減少佩戴抑制性個人防護設備的時間，這樣衛生保健工作人員將能夠將他們的注意力和努力引向醫療保健中困難的部分。后，在確保醫護人員安全的同時，患者會獲得更G效的個人護理。

圖1 遙控機器人從模擬的埃博拉病毒治療裝置中的嬰兒床上取下床單

為了在傳染病暴發時有效地部署機器人，需要解決以下研究問題，包括：問題1：在未來的傳染病爆發中，機器人能做什么？應該做什么？問題2：提出的遠程操作替代方案將如何影響以下各項之間的相互作用：a)機器人和病人之間？b)機器人與醫療服務提供者之間？c)醫療服務提供者與患者之間？問題3：當涉及遠程操作機器人時，物理可見性代理對提G醫療保健提供者與患者之間的舒適度和信任度的效果如何？

2、相關工作

機器人目前正應用在醫療行業中。例如，直覺外科公司的達芬奇手術系統自1999年以來一直在市場上銷售[3]，固定的機器人系統是由同一個房間的外科醫生遠程操作的；Aethon公司的拖船機器人用于在醫院運輸和運送物品[4]；Xenex銷售紫外線消毒機器人[5]；像帕羅(Paro)和梅迪(Medi)這樣的社交機器人(建立在NAO機器人的基礎上)正被用于醫療保健環境中以安撫患者[6]。

在資源受限的環境中爆發的傳染病疫情，如埃博拉疫情，與醫療機器人文獻中經常討論的情況和考慮因素相比存在很大差異。令人驚訝的是，醫學機器人文獻與救災機器人的文獻除了研究如何在災難搜索和救援場景中使用機器人為患者提供有限的遠程護理外沒有其他方面的探討[7]。因此，在傳染病暴發的情況下部署機器人的優勢和挑戰被忽視了。當人們看到機器人的操作員時，人們會更信任操作員，并且整體上會更舒適[8]。

3、研究方法

對于問題1：正確的人與機器人交互研究需要要對真實生活、真實的人和真實的機器人的復雜性的深刻理解。論文作者建議通過在比利時布魯塞爾的MedicinsSans Frontiers培訓總部花兩周的時間來進一步進行這項工作，親自接受部分疫情培訓應對方案，與員工培訓人員進行面談并審查G層流程。之后再前往塞拉利昂的一個已部署埃博拉病毒治療中心，觀察并采訪相關的當地居民，收集到當前抗擊傳染病的組織面臨的特殊挑戰和可用資源，將為未來提出的機器人解決方案提供更好的評估指標。 

對于問題2：論文作者將先前的研究在Amazon Mechanical Turk上進行虛擬重組和部署[8]。參與者將得到與前一項研究類似的提示，觀看一段視頻(根據情況將提供兩段不同的視頻)并回答調查問題。這項研究會使更多的文化被觸及，并對影響的文化成分給予深入的了解。當然，這將以收集生理反應為代價，并將人們置于一個真實的機器人模擬環境中。作者會進行一項縱向的2×2的受試者內部用戶研究，以研究所提議的遠程操作替代方案如何影響機器人和衛生保健提供者之間的交互界面(共享自主與遠程操作)和可見性(完全可見性與無可見性)將隨受試者的不同而有所不同。隨著時間的推移，任務會增加難度。在研究接近尾聲時，作者將扮演病人的角色，指標將被用來評估參與者完成任務的能力，參與者在培訓期間的沮喪程度以及參與者對模擬患者的同情程度，參與者是當前醫療保健專業的學生。

對于問題3：之前研究結果表明，操作人員對患者的可見性影響了患者對操作人員的信任度和舒適度。我們需要做的工作是，看看是否可以通過物理可見性的代理來克服這個問題。這項新研究將分析和評估對提議的代理的響應，例如在機器人的面部、房間的電視上增加操作員的視野或者允許患者和操作員之間進行雙向語音通信，研究將遵循受試者之間的設計不同的視覺代理。

4、總結

無論是幾年前西非爆發的埃博拉疫情，還是當前的新G病毒肺炎疫情，提醒我們研究者，應該充分發揮機器人在這個L域的優勢，積J改善對未來疫情的情況。