論文の概要: The Anatomy of a Personal Health Agent

• arxiv url: http://arxiv.org/abs/2508.20148v1
• Date: Wed, 27 Aug 2025 14:38:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-29 18:12:01.623554
• Title: The Anatomy of a Personal Health Agent
• Title（参考訳）: パーソナルヘルスエージェントの解剖
• Authors: A. Ali Heydari, Ken Gu, Vidya Srinivas, Hong Yu, Zhihan Zhang, Yuwei Zhang, Akshay Paruchuri, Qian He, Hamid Palangi, Nova Hammerquist, Ahmed A. Metwally, Brent Winslow, Yubin Kim, Kumar Ayush, Yuzhe Yang, Girish Narayanswamy, Maxwell A. Xu, Jake Garrison, Amy Aremnto Lee, Jenny Vafeiadou, Ben Graef, Isaac R. Galatzer-Levy, Erik Schenck, Andrew Barakat, Javier Perez, Jacqueline Shreibati, John Hernandez, Anthony Z. Faranesh, Javier L. Prieto, Connor Heneghan, Yun Liu, Jiening Zhan, Mark Malhotra, Shwetak Patel, Tim Althoff, Xin Liu, Daniel McDuff, Xuhai "Orson" Xu,
• Abstract要約: 一般消費者の健康管理装置や一般の健康記録からマルチモーダルデータを分析できる包括的パーソナルヘルスエージェントの構築を目指している。 我々は,消費者の健康ニーズの3つの主要なカテゴリを特定し,それぞれが専門的なサブエージェントによって支えられている。 動的にパーソナライズされた対話を可能にするマルチエージェントフレームワークであるPersonal Health Agent(PHA)を提案し,開発する。
• 参考スコア（独自算出の注目度）: 32.99206560736977
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Health is a fundamental pillar of human wellness, and the rapid advancements in large language models (LLMs) have driven the development of a new generation of health agents. However, the application of health agents to fulfill the diverse needs of individuals in daily non-clinical settings is underexplored. In this work, we aim to build a comprehensive personal health agent that is able to reason about multimodal data from everyday consumer wellness devices and common personal health records, and provide personalized health recommendations. To understand end-users' needs when interacting with such an assistant, we conducted an in-depth analysis of web search and health forum queries, alongside qualitative insights from users and health experts gathered through a user-centered design process. Based on these findings, we identified three major categories of consumer health needs, each of which is supported by a specialist sub-agent: (1) a data science agent that analyzes personal time-series wearable and health record data, (2) a health domain expert agent that integrates users' health and contextual data to generate accurate, personalized insights, and (3) a health coach agent that synthesizes data insights, guiding users using a specified psychological strategy and tracking users' progress. Furthermore, we propose and develop the Personal Health Agent (PHA), a multi-agent framework that enables dynamic, personalized interactions to address individual health needs. To evaluate each sub-agent and the multi-agent system, we conducted automated and human evaluations across 10 benchmark tasks, involving more than 7,000 annotations and 1,100 hours of effort from health experts and end-users. Our work represents the most comprehensive evaluation of a health agent to date and establishes a strong foundation towards the futuristic vision of a personal health agent accessible to everyone.
• Abstract（参考訳）: 健康は人間の健康の基本的な柱であり、大型言語モデル(LLM)の急速な進歩は、新しい世代の健康エージェントの開発を促している。 しかし、日々の非クリニカルな環境における個人のニーズを満たすための健康エージェントの応用は過小評価されている。 本研究の目的は、日常生活の健康管理装置や一般の健康記録からのマルチモーダルデータを分析し、パーソナライズされたヘルスレコメンデーションを提供する、包括的パーソナルヘルスエージェントの構築である。 このようなアシスタントと対話する際のエンドユーザのニーズを理解するため,ユーザ中心の設計プロセスを通じて収集されたユーザや医療専門家の質的な洞察とともに,Web検索とヘルスフォーラムクエリの詳細な分析を行った。 これらの結果から,(1)個人的時系列のウェアラブル・健康記録データを分析するデータサイエンスエージェント,(2)ユーザの健康・文脈データを統合して正確かつパーソナライズされた洞察を生成する健康ドメイン専門家エージェント,(3)データ洞察を合成し,特定の心理的戦略を用いてユーザを指導し,ユーザの進捗を追跡する健康コーチングエージェント,の3つのカテゴリーを特定した。 さらに、動的にパーソナライズされたインタラクションによって個々の健康ニーズに対処できるマルチエージェントフレームワークであるPersonal Health Agent (PHA) を提案し、開発する。 各サブエージェントとマルチエージェントシステムを評価するために, 7000以上のアノテーションと1,100時間以上の健康専門家とエンドユーザの作業を含む10のベンチマークタスクに対して, 自動評価と人的評価を行った。 我々の研究は、これまででもっとも包括的な健康エージェントの評価であり、誰にでもアクセス可能なパーソナルヘルスエージェントの未来的ビジョンに向けた強力な基盤を確立している。

関連論文リスト

• Transforming Wearable Data into Health Insights using Large Language Model Agents [25.92023580781527]
  本稿では,ウェアラブルの行動保健データを分析・解釈するエージェントシステムであるPersonal Health Insights Agent(PHIA)を紹介する。 650時間の人間と専門家による評価に基づいて、PHIAは事実の数値的な質問の84%以上と、クラウドソーシングされたオープンエンドな質問の83%以上に正確に対処することができる。
  論文  参考訳（メタデータ） (2024-06-10T17:00:54Z)
• Yes, this is what I was looking for! Towards Multi-modal Medical Consultation Concern Summary Generation [46.42604861624895]
  マルチモーダル・メディカル・コンシューム・サマリ・ジェネレーションの新しい課題を提案する。 患者のジェスチャーや表情などの非言語的手がかりは、患者の懸念を正確に識別するのに役立つ。 マルチモーダル・メディカル・コンシューム・サマリー・ジェネレーション・コーパスを構築。
  論文  参考訳（メタデータ） (2024-01-10T12:56:47Z)
• Conversational Health Agents: A Personalized LLM-Powered Agent Framework [1.4597673707346281]
  会話型健康エージェント(英: Conversational Health Agents、CHA)は、援助や診断などの医療サービスを提供する対話型システムである。 我々は,対話エージェントがユーザの医療クエリに対してパーソナライズされた応答を生成するためのオープンソースのフレームワークであるopenCHAを提案する。 openCHAには、外部ソースから情報を集めるためのアクションを計画し実行するためのオーケストレータが含まれている。
  論文  参考訳（メタデータ） (2023-10-03T18:54:10Z)
• 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)
• User Engagement in Mobile Health Applications [0.0]
  モバイルヘルスアプリは、コミュニケーション、効率、サービスの品質を改善することで、医療エコシステムに革命をもたらしている。 低所得国や中所得国では、患者や医療従事者の健康状態や行動に関する情報の源泉としての役割も担っている。 本稿では,医療従事者や医療従事者を支援するデジタルヘルスアプリに焦点をあて,モバイルヘルスへのユーザエンゲージメントを研究するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-16T13:45:00Z)
• Towards Integrative Multi-Modal Personal Health Navigation Systems: Framework and Application [3.9021888281943173]
  一般化されたPersonal Health Navigation (PHN) フレームワークを提案する。 PHNは個人を、データストリームを永久に消化するシステムを通じて、個人の健康目標に向かっている。 我々は、心臓科領域における2つの実験でPHNシステムをテストする。
  論文  参考訳（メタデータ） (2021-11-16T09:34:54Z)
• MedDG: An Entity-Centric Medical Consultation Dataset for Entity-Aware Medical Dialogue Generation [86.38736781043109]
  MedDGという12種類の消化器疾患に関連する大規模医用対話データセットを構築し,公開する。 MedDGデータセットに基づく2種類の医療対話タスクを提案する。1つは次のエンティティ予測であり、もう1つは医師の反応生成である。 実験結果から,プレトレイン言語モデルと他のベースラインは,両方のタスクに苦戦し,データセットの性能が劣ることがわかった。
  論文  参考訳（メタデータ） (2020-10-15T03:34:33Z)
• BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
  本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。 エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。 実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-09-24T00:42:36Z)
• 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。