邁向個人健康大語言模型
arXiv - CS - Artificial Intelligence Pub Date : 2024-06-10 , DOI: arxiv-2406.06474
Justin Cosentino , Anastasiya Belyaeva , Xin Liu , Nicholas A. Furlotte , Zhun Yang , Chace Lee , Erik Schenck , Yojan Patel , Jian Cui , Logan Douglas Schneider , Robby Bryant , Ryan G. Gomes , Allen Jiang , Roy Lee , Yun Liu , Javier Perez , Jameson K. Rogers , Cathy Speed , Shyam Tailor , Megan Walker , Jeffrey Yu , Tim Althoff , Conor Heneghan , John Hernandez , Mark Malhotra , Leor Stern , Yossi Matias , Greg S. Corrado , Shwetak Patel , Shravya Shetty , Jiening Zhan , Shruthi Prabhakara , Daniel McDuff , Cory Y. McLean

在健康領域，大多數(shù)大型語言模型 (LLM) 研究都集中在臨床任務上。然而，移動和可穿戴設備很少集成到此類任務中，但卻為個人健康監(jiān)測提供了豐富的縱向數(shù)據(jù)。在這里，我們提出個人健康大型語言模型（PH-LLM），該模型由 Gemini 進行微調(diào)，用于理解和推理數(shù)字時間序列個人健康數(shù)據(jù)。我們創(chuàng)建并整理了三個數(shù)據(jù)集，用于測試 1) 根據(jù)睡眠模式、身體活動和生理反應生成個性化見解和建議，2) 專家領域知識，以及 3) 對自我報告的睡眠結(jié)果的預測。對于第一項任務，我們與領域?qū)＜液献髟O計了 857 個案例研究，以評估睡眠和健身的真實場景。通過對特定領域評分標準的綜合評估，我們觀察到 Gemini Ultra 1.0 和 PH-LLM 在健身方面與專家表現(xiàn)沒有統(tǒng)計差異，盡管專家在睡眠方面仍然表現(xiàn)出色，但對 PH-<b1004 進行了微調(diào)></b1004> 在使用相關領域知識和個性化信息來獲取睡眠見解方面提供了顯著改進。我們使用多項選擇睡眠醫(yī)學和健身檢查來評估 PH-LLM 領域知識。 PH-LLM 在睡眠方面取得了 79% 的成績，在健康方面取得了 88% 的成績，超過了人類專家樣本的平均分。最后，我們訓練 PH-LLM 從可穿戴數(shù)據(jù)的文本和多模態(tài)編碼表示中預測自我報告的睡眠質(zhì)量結(jié)果，并證明需要多模態(tài)編碼來匹配專門判別模型的性能。 盡管在安全關鍵的個人健康領域需要進一步的開發(fā)和評估，但這些結(jié)果證明了 Gemini 模型的廣泛知識和能力，以及將生理數(shù)據(jù)用于個人健康應用的好處，如 PH-<b1001></b1001 >。

"點擊查看英文標題和摘要"

更新日期：2024-06-11

相關知識

邁向個人健康大語言模型,arXiv
使用大型語言模型代理將可穿戴數(shù)據(jù)轉(zhuǎn)化為健康洞察,arXiv
基于大語言模型驅(qū)動的心理健康教練語音模型優(yōu)化方法與流程
從Sora到“世界模擬”：視頻大模型的技術原理、應用場景與未來進路
知識增強型預訓練語言模型（KnowBERT）
清華大學—江蘇師范大學“華章漢韻”大語言模型啟動
衛(wèi)寧健康，開展了醫(yī)療垂直領域的大語言模型
掌握深度學習：PyTorch框架下的大型語言模型（LLM）訓練實踐
邁瑞數(shù)智化轉(zhuǎn)型賦能醫(yī)療健康高質(zhì)量發(fā)展 全球首個臨床落地重癥醫(yī)療大模型“啟元”發(fā)布
谷歌開發(fā)大語言模型 助力Pixel/Fitbit智能手表健康管理

網(wǎng)址: 邁向個人健康大語言模型,arXiv http://www.gysdgmq.cn/newsview1706470.html