論文の概要: Exploring Personalized Health Support through Data-Driven, Theory-Guided LLMs: A Case Study in Sleep Health
- arxiv url: http://arxiv.org/abs/2502.13920v1
- Date: Wed, 19 Feb 2025 17:53:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-20 13:59:31.888436
- Title: Exploring Personalized Health Support through Data-Driven, Theory-Guided LLMs: A Case Study in Sleep Health
- Title(参考訳): データ駆動型理論誘導型LDMによるパーソナライズされた健康支援の探索 : 睡眠健康を事例として
- Authors: Xingbo Wang, Janessa Griffith, Daniel A. Adler, Joey Castillo, Tanzeem Choudhury, Fei Wang,
- Abstract要約: 睡眠の健康を高めるために,新しい大規模言語モデルを用いたチャットボットHealthGuruを紹介する。
HealthGuruは、ウェアラブルデバイスデータ、コンテキスト情報、コンテキスト対応のマルチアームバンディットモデルを統合して、カスタマイズされた睡眠改善アクティビティを提案する。
その結果、睡眠時間や活動スコア、より高い品質の反応、HealthGuruによる行動変化に対するユーザのモチベーションの向上といった指標が改善された。
- 参考スコア(独自算出の注目度): 8.328996407858497
- License:
- Abstract: Despite the prevalence of sleep-tracking devices, many individuals struggle to translate data into actionable improvements in sleep health. Current methods often provide data-driven suggestions but may not be feasible and adaptive to real-life constraints and individual contexts. We present HealthGuru, a novel large language model-powered chatbot to enhance sleep health through data-driven, theory-guided, and adaptive recommendations with conversational behavior change support. HealthGuru's multi-agent framework integrates wearable device data, contextual information, and a contextual multi-armed bandit model to suggest tailored sleep-enhancing activities. The system facilitates natural conversations while incorporating data-driven insights and theoretical behavior change techniques. Our eight-week in-the-wild deployment study with 16 participants compared HealthGuru to a baseline chatbot. Results show improved metrics like sleep duration and activity scores, higher quality responses, and increased user motivation for behavior change with HealthGuru. We also identify challenges and design considerations for personalization and user engagement in health chatbots.
- Abstract(参考訳): 睡眠追跡装置が普及しているにもかかわらず、多くの個人は、データを睡眠状態の実用的な改善に変換するのに苦労している。
現在の手法は、しばしばデータ駆動の提案を提供するが、現実の制約や個々のコンテキストに適応することは不可能である。
データ駆動型、理論誘導型、適応型レコメンデーションによる、会話行動変化支援による睡眠の健康向上を目的とした、新しい大規模言語モデルによるチャットボットであるHealthGuruを紹介する。
HealthGuruのマルチエージェントフレームワークは、ウェアラブルデバイスデータ、コンテキスト情報、コンテキスト的マルチアームバンディットモデルを統合して、適切な睡眠改善アクティビティを提案する。
このシステムは、データ駆動の洞察と理論的行動変化のテクニックを取り入れながら、自然な会話を促進する。
16人の参加者による8週間のデプロイメント調査では、HealthGuruをベースラインのチャットボットと比較しました。
その結果、睡眠時間や活動スコア、より高い品質の反応、HealthGuruによる行動変化に対するユーザのモチベーションの向上といった指標が改善された。
また、ヘルスチャットボットにおけるパーソナライズとユーザエンゲージメントのための課題や設計上の考慮事項についても検討する。
関連論文リスト
- SleepCoT: A Lightweight Personalized Sleep Health Model via Chain-of-Thought Distillation [9.133271556862738]
本研究は,CoT蒸留法を用いて睡眠管理を個別化するための新しいアプローチを提案する。
提案手法は,課題解決戦略,長期専門知識,大規模モデルからのパーソナライズされたレコメンデーション機能を,より効率的でコンパクトなモデルに同時に蒸留する。
論文 参考訳(メタデータ) (2024-10-22T11:56:34Z) - Health-LLM: Large Language Models for Health Prediction via Wearable Sensor Data [43.48422400822597]
大規模言語モデル(LLM)は多くの自然言語処理が可能であるが、完璧には程遠い。
本稿では、文脈情報に基づいて、健康に関する推測を行うLLMの能力について検討する。
本研究は,4つの公衆衛生データセットを用いた12種類のLCMの包括的評価と微調整技術について述べる。
論文 参考訳(メタデータ) (2024-01-12T19:40:11Z) - Adaptive Interventions with User-Defined Goals for Health Behavior Change [17.688448640253494]
モバイルヘルスアプリケーションは、低コストでスケーラブルなヘルス行動変化促進のための有望な道を示す。
個人固有の目標、好み、生活状況に対するアドバイスを調整することは、健康コーチングの重要な要素である。
パーソナライズされた報酬関数に対応する新しいトンプソンサンプリングアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-11-16T01:00:04Z) - Task-Adaptive Tokenization: Enhancing Long-Form Text Generation Efficacy
in Mental Health and Beyond [66.07002187192448]
本稿では,下流タスクの特定部分に生成パイプラインを適応させる手法として,タスク適応型トークン化を提案する。
専門用語を構築するための戦略を導入し、語彙統合プロトコルを導入する。
タスク適応型トークン化アプローチでは、最大60%のトークンを使用しながら、生成パフォーマンスが大幅に向上することが分かりました。
論文 参考訳(メタデータ) (2023-10-09T00:20:59Z) - Sleep Activity Recognition and Characterization from Multi-Source
Passively Sensed Data [67.60224656603823]
睡眠活動認識法は、被験者の睡眠覚醒サイクルを評価し、監視し、特徴づけ、行動の変化を検出する指標を提供することができる。
本稿では,スマートフォンから受動的に知覚されたデータを連続的に操作して,睡眠の特徴を識別し,重要な睡眠エピソードを識別する一般的な方法を提案する。
これらの装置は、その用途により、連続的で客観的で非侵襲的な方法で被験者の生体リズムをプロファイルするための優れた代替データ源となっている。
論文 参考訳(メタデータ) (2023-01-17T15:18:45Z) - Multi-task Learning for Personal Health Mention Detection on Social
Media [70.23889100356091]
本研究では、マルチタスク学習フレームワークを用いて、利用可能な注釈付きデータを活用し、メインタスクのパフォーマンスを向上させる。
我々は、感情検出を補助タスクとして利用することで、感情情報を対象タスクに組み込むことに重点を置いている。
論文 参考訳(メタデータ) (2022-12-09T23:49:00Z) - Monitoring and Improving Personalized Sleep Quality from Long-Term
Lifelogs [0.46408356903366527]
睡眠は、身体的、認知的、心理的健康に重要な役割を果たす。
多くの睡眠研究はいまだに臨床的に発展しており、一般市民にはアクセスできない。
本稿では,複数の情報源の主観的データと主観的データの両方に基づいて,個別のSQを監視するための計算フレームワークを提案する。
論文 参考訳(メタデータ) (2022-11-23T08:48:43Z) - Heterogeneous Hidden Markov Models for Sleep Activity Recognition from
Multi-Source Passively Sensed Data [67.60224656603823]
精神科患者の受動的活動監視は、リアルタイムでの行動変化を検出するために不可欠である。
睡眠行動認識は、患者の活動サイクルを表現する行動マーカーである。
スマートフォンから受動的に検出されたデータは、患者の生体リズムに優れた代替手段である。
論文 参考訳(メタデータ) (2022-11-08T17:29:40Z) - Personalised recommendations of sleep behaviour with neural networks
using sleep diaries captured in Sleepio [11.243440695021567]
Big Healthと共同で、私たちは401,174回の睡眠日記のランダムなサンプルからデータを分析しました。
個人の睡眠行動と睡眠の質をパーソナライズされた方法でモデル化するニューラルネットワークを構築した。
ニューラルネットワークは、ユーザーがどの睡眠習慣に従うべきかをパーソナライズしたレコメンデーションを生成し、睡眠の質を最大化する。
論文 参考訳(メタデータ) (2022-07-29T18:29:05Z) - Learning Language and Multimodal Privacy-Preserving Markers of Mood from
Mobile Data [74.60507696087966]
精神状態は、先進医療に共通する国でも診断されていない。
人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。
本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
論文 参考訳(メタデータ) (2021-06-24T17:46:03Z) - Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。
多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
論文 参考訳(メタデータ) (2020-09-21T03:45:14Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。