大規模言語モデルエージェントを用いたウェアラブルデータの個人健康インサイトへの変換

科学分野:

• 人工知能
• デジタルヘルス
• 行動科学

背景:

• 標準的な大規模言語モデル（LLM）は、ウェアラブルデバイスからのパーソナライズされた健康インサイトのための複雑な数値推論に苦労しています。
• 効果的なデータ分析には、特にコード生成などのツールベースのアプローチが必要です。

研究 の 目的:

• 行動健康データのスケーラブルな分析のために設計されたLLMエージェントであるパーソナルヘルスインサイトエージェント（PHIA）を紹介します。
• 新しいベンチマークデータセットを使用して、コード生成ベースラインに対するPHIAのパフォーマンスを評価します。

主な方法:

• マルチステップ推論、コード生成、情報検索を組み合わせたシステムであるPHIAを開発しました。
• 4000以上の健康インサイトの質問を含む2つのベンチマークデータセットを作成しました。
• ベースラインと比較したPHIAを評価する650時間の人間専門家評価を実施しました。

主要な成果:

• PHIAは、客観的で数値的な健康に関する質問に対して84%の精度を達成しました。
• 自由形式の質問に対して、PHIAは83%の好意的な評価を獲得し、最高品質の評価を受ける可能性は2倍でした。
• PHIAは、コード生成ベースラインを大幅に上回りました。

結論:

• PHIAは、ウェアラブルトラッカーからの複雑な行動健康データを分析するための強力なアプローチを実証しています。
• この技術は、個人が自身の健康データを理解することを可能にし、アクセス可能でパーソナライズされたウェルネスを促進します。
• この発見は、データ駆動型個人の健康管理の新時代を示唆しています。