建立实时生物标志物到LLM接口:通过生成性AI建立一个模块化管道,用于HRV信号采集,处理和生理状态解释
Morris Gellisch1,2,3, Boris Burr4
1Center for Medical Education, Ruhr University Bochum, Bochum, Germany.
Frontiers in digital health
|October 13, 2025
概括
这项研究将实时心率变化 (HRV) 数据集成到生成性AI中,创建生物适应性AI系统. 这使得人工智能能够适应生理变化,以增强交互.
科学领域:
- 人工智能的人工智能
- 生物医学工程 生物医学工程
- 人与计算机的交互
背景情况:
- 大型语言模型 (LLM) 目前依赖主观文本输入,限制其上下文意识.
- 整合实时生理信号为更具适应性的AI提供了更丰富的输入流.
- 心率变化 (HRV) 提供了自主状态的客观实时指标.
研究的目的:
- 开发一个精简的架构,用于将实时HRV数据路由到生成AI环境中.
- 使人工智能模型能够将生理信号作为上下文输入.
- 创建一个能够对实时生理变化做出反应的生物适应性AI系统.
主要方法:
- 使用经过验证的HRV传感器捕获R-R间隔.
- 开发了一个Python脚本来解码数据并导出核心HRV指标 (HR,RMSSD,SDNN,LF/HF比,PNN50).
- 实现了一个FastAPI后端,通过REST和WebSocket端点发布HRV数据,以便GPT等AI模型持续访问.
主要成果:
- 建立了一个实时数据管道,从自主输入到对话AI输出.
- 展示了ChatGPT访问实时HRV数据,执行分析和生成可视化的能力.
- 展示了人工智能反适应应诱导的认知负载和生理变化.
结论:
- 这个系统代表了生物适应性AI的早期原型.
- 整合生理信号可以提高AI提供情境敏感和适应性交互的能力.
- 这种方法有可能在学习,决策和医疗保健领域应用.
