Преобразование данных носимых устройств в персонализированные сведения о здоровье с помощью агентов на основе больших языковых моделей
Transforming wearable data into personal health insights using large language model agents
2026-01-12
SCID: 54.1/nynq8shj
Discuss with AI
генерация кодаизвлечение информацииагенты больших языковых моделейперсонализированные сведения о здоровьеданные носимых устройств о здоровье
Figures from the paper
Abstract (AI)
Извлечение персонализированных сведений из популярных трекеров носимых устройств требует сложных численных рассуждений, что создает трудности для стандартных больших языковых моделей (LLM) и обусловливает необходимость инструментальных подходов, таких как генерация кода. Агенты на основе больших языковых моделей (LLM) представляют собой перспективное, но пока мало освоенное решение для проведения такого анализа в больших масштабах. Мы представляем агента персонализированных сведений о здоровье (Personal Health Insights Agent, PHIA) — систему, использующую многошаговое рассуждение, генерацию кода и поиск информации для анализа и интерпретации данных о поведенческом здоровье. Для проверки его возможностей мы создали и предоставили в открытом доступе два эталонных набора данных, содержащих более 4000 вопросов о сведениях, связанных со здоровьем. Оценка, проведенная экспертами-людьми в течение 650 часов, показала, что PHIA значительно превосходит сильную базовую систему генерации кода: точность на объективных численных вопросах составила 84%, а для открытых вопросов благоприятные оценки были получены в 83% случаев; при этом вероятность получения наивысшей оценки качества была вдвое выше. Эта работа может способствовать развитию поведенческого здоровья, помогая людям понимать собственные данные и открывая для широких слоев населения новую эру доступного, персонализированного и основанного на данных поддержания здоровья. Носимые устройства генерируют огромные потоки данных о здоровье, однако интерпретация этих измерений требует сложных численных рассуждений, выходящих за пределы возможностей традиционных языковых моделей. В настоящем исследовании представлен агент на основе большой языковой модели, который интерпретирует данные носимых устройств и предоставляет точные персонализированные сведения о здоровье.
Key Findings
1
В ходе 650-часовой экспертной оценки PHIA достиг точности 84% на объективных числовых вопросах и значительно превзошёл сильный базовый метод генерации кода.
2
Для открытых вопросов PHIA получил 83% положительных оценок и вдвое чаще, чем базовый метод, удостаивался высшей оценки качества.
3
PHIA демонстрирует потенциал LLM-агентов для предоставления доступных, персонализированных и основанных на данных рекомендаций на основе данных носимых устройств.
4
Personal Health Insights Agent (PHIA) использует многошаговое рассуждение, генерацию кода и поиск информации для интерпретации поведенческих данных о здоровье с носимых устройств.
5
В исследовании представлены и опубликованы два набора данных для оценки анализа данных носимых устройств, содержащие более 4000 вопросов о персонализированных выводах о здоровье.
Research Object
данные о поведенческом здоровье, получаемые с носимых устройств
Research Subject
точная персонализированная интерпретация данных с носимых устройств и формирование выводов на основе сложных численных рассуждений
Publication Details
Publication Date
2026-01-12
Journal
Publisher
ISSN
Cited by
84
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest