Was ist ein persönlicher Gesundheitsvertreter?

Großsprachenmodelle (LLMs) haben eine starke Leistung in verschiedenen Bereichen wie klinischem Denken, Entscheidungsunterstützung und Verbrauchergesundheitsanwendungen gezeigt. Die meisten vorhandenen Plattformen sind jedoch als einzelne Instrumente wie Symptomprüfer, digitale Coach oder Gesundheitsinformationsassistenten konzipiert. Diese Ansätze werden häufig nicht mit der Komplexität der realen Gesundheitsbedürfnisse eingehen, bei denen Einzelpersonen integrierte Argumentation über tragbare Streams, persönliche Gesundheitsakten und Labortestergebnisse benötigen.

Ein Forscherteam aus Google hat a vorgeschlagen Private Well being Agent (PHA) Rahmen. Das PHA ist als Multi-Agent-System Das vereint komplementäre Rollen: Datenanalyse, medizinisches Wissen und Gesundheitscoaching. Anstatt isolierte Ausgänge aus einem einzelnen Modell zurückzugeben, verwendet der PHA einen zentralen Orchestrator, um spezialisierte Subagenten zu koordinieren, ihre Ausgaben iterativ zu synthetisieren und kohärente, personalisierte Anleitung zu liefern.

Wie funktioniert das PHA -Framework?

Das Private Well being Agent (PHA) basiert auf der Gemini 2.0 -Modellfamilie. Es folgt einer modularen Architektur, die aus drei Subagenten und einem Orchestrator besteht:

1. Knowledge Science Agent (DS)
   Der DS-Agent interpretiert und analysiert Zeitreihendaten aus Wearables (z. B. Schrittzahlen, Herzfrequenzvariabilität, Schlafmetriken) und strukturierte Gesundheitsakten. Es ist in der Lage, offene Benutzerfragen in formale Analysepläne zu zerlegen, statistisches Denken auszuführen und die Ergebnisse mit Referenzdaten auf Bevölkerungsebene zu vergleichen. Zum Beispiel kann es quantifizieren, ob körperliche Aktivität im vergangenen Monat mit Verbesserungen der Schlafqualität verbunden ist.
2. Area Professional Agent (DE)
   Der DE Agent liefert medizinisch kontextualisierte Informationen. Es integriert persönliche Gesundheitsakten, demografische Informationen und tragbare Signale, um Erklärungen zu generieren, die auf medizinischem Wissen beruhen. Im Gegensatz zu allgemeinen LLMs, die believable, aber unzuverlässige Ausgaben erzeugen können, folgt der DE-Agent einer iterativen Überprüfung der Überprüfung der Überprüfung der Begründung und kombiniert maßgebliche medizinische Ressourcen mit personenbezogenen Daten. Dies ermöglicht es ihm, evidenzbasierte Interpretationen bereitzustellen, z. B. ob eine bestimmte Blutdruckmessung für eine Individual mit einer bestimmten Erkrankung in einem sicheren Bereich liegt.
3. Well being Coach Agent (HC)
   Der HC-Agent befasst sich mit Verhaltensänderungen und langfristiger Zieleinstellung. Ausgestattet aus etablierten Teaching-Strategien wie Motivationsinterviews führt es Multi-Flip-Gespräche, identifiziert die Benutzerziele, klärt die Einschränkungen und generiert strukturierte, personalisierte Pläne. Beispielsweise kann es einem Benutzer durch die Festlegung eines wöchentlichen Trainingsplanes, die Anpassung an individuelle Hindernisse und die Einbeziehung von Suggestions aus der Fortschrittsverfolgung führen.
4. Orchestrator
   Der Orchestrator -koordiniert diese drei Agenten. Wenn eine Abfrage empfangen wird, weist sie einem primären Agenten zu, der für die Generierung der Hauptausgabe und unterstützenden Agenten verantwortlich ist, um kontextbezogene Daten oder Domänenwissen bereitzustellen. Nach dem Sammeln der Ergebnisse führt der Orchestrator eine aus iterative ReflexionsschleifeÜberprüfen Sie die Ausgänge auf Kohärenz und Genauigkeit, bevor Sie sie in eine einzige Antwort synthetisierten. Dies stellt sicher, dass die endgültige Ausgabe nicht nur eine Aggregation der Agentenreaktionen, sondern eine integrierte Empfehlung ist.

Wie wurde der PHA bewertet?

Das Forschungsteam führte bisher eine der umfassendsten Bewertungen eines Gesundheits -KI -Programs durch. Ihr Bewertungsrahmen beteiligte sich 10 Benchmark -AufgabenAnwesend Über 7.000 menschliche AnmerkungenUnd 1.100 Stunden Bewertung von Gesundheitsexperten und Endbenutzern.

Bewertung des Knowledge Science Brokers

Der DS -Agent wurde an seiner Fähigkeit bewertet, strukturierte Analysepläne zu erstellen und einen korrekten, ausführbaren Code zu erstellen. Im Vergleich zu Foundation -Gemini -Modellen zeigte es:

• Ein signifikanter Anstieg der Qualität der Analyseplan und eine Verbesserung der mittleren Bewertungswerte von 53,7% auf 75,6%.
• Eine Verringerung kritischer Datenbearbeitungsfehler von 25,4% auf 11,0%.
• Eine Verbesserung der Code-Passquoten von 58,4% auf 75,5% bei den ersten Versuchen mit weiteren Gewinnen unter iterativer Selbstkorrektur.

Bewertung des Area -Experten -Agenten

Der DE -Agent wurde über vier Funktionen hinweg vergleichbar: sachliche Genauigkeit, diagnostisches Denken, kontextbezogene Personalisierung und multimodale Datensynthese. Die Ergebnisse umfassen:

• Sachliches Wissen: Bei über 2.000 Prüfungsfragen im Vorstand über Endokrinologie, Kardiologie, Schlafmedizin und Health erreichte der DE-Agent eine Genauigkeit von 83,6% und übertriffte die Foundation-Gemini (81,8%).
• Diagnostisches Denken: Bei 2.000 selbst gemeldeten Symptomfällen erreichte es 46,1% der Prime-1-diagnostische Genauigkeit im Vergleich zu 41,4% für eine modernste Gemini-Basislinie.
• Personalisierung: In Benutzerstudien bevorzugten 72% der Teilnehmer die Antworten von DE -Agenten gegenüber Basisausgaben, wobei höhere Vertrauenswürdigkeit und kontextbezogene Relevanz angeführt werden.
• Multimodale Synthese: In Expertenklinikern Opinions zu den aus tragbaren, Labor- und Umfragedaten erzeugten Gesundheitsüberprüfungen wurden die Ergebnisse des DE -Agenten klinisch bedeutender, umfassender und vertrauenswürdiger als Basisausgaben.

Evaluierung des Gesundheitstrainers

Der HC -Agent wurde durch Experteninterviews und Benutzerstudien entworfen und bewertet. Experten betonten die Notwendigkeit von sechs Teaching-Funktionen: Zielidentifizierung, aktives Zuhören, Kontextklärung, Ermächtigung, intelligente (spezifische, messbare, erreichbare, relevante, zeitgebundene) Empfehlungen und iterative Suggestions-Einbeziehung.

Bei Auswertungen zeigte der HC -Agent im Vergleich zu Basismodellen einen verbesserten Konversationsfluss und Benutzerbindung. Es hat vorzeitige Empfehlungen und stattdessen ausgewogene Informationen zum Sammeln von Informationen mit umsetzbaren Ratschlägen vermieden, wodurch die Ausgaben in Übereinstimmung mit Experten -Teaching -Praktiken erzeugt wurden.

Bewertung des integrierten PHA -Programs

Auf Systemebene wurden der Orchestrator und drei Mittel zusammen in offenen, multimodalen Gesprächen getestet, die realistische Gesundheitsszenarien widerspiegeln. Sowohl Experten als auch Endbenutzer bewerteten den integrierten Private Well being Agent (PHA) signifikant höher als die Foundation-Gemini-Systeme für Genauigkeit, Kohärenz, Personalisierung und Vertrauenswürdigkeit.

Wie trägt die PHA zur Gesundheits -KI bei?

Die Einführung eines Multi-Agent-PHA befasst sich mit mehreren Einschränkungen bestehender Gesundheits-KI-Systeme:

• Integration heterogener Daten: Tragbare Signale, Krankenakten und Labortestergebnisse werden eher gemeinsam als isoliert analysiert.
• Arbeitsteilung: Jedes Subagent ist auf eine Domäne spezialisiert, in der einzelne monolithische Modelle häufig unterdurchschnittlich, z. B. numerische Argumentation für DS, klinische Grundlage für DE und Verhaltensbindung für HC.
• Iterative Reflexion: Der Überprüfungszyklus des Orchestrators reduziert Inkonsistenzen, die häufig auftreten, wenn mehrere Ausgänge einfach verkettet sind.
• Systematische Bewertung: Im Gegensatz zu den meisten früheren Arbeiten, die sich auf kleine Fallstudien stützten, wurde der Private Well being Agent (PHA) mit einem großen multimodalen Datensatz (der Put on-Me-Studie) und einem umfangreichen Expertenbeteiligung validiert.

Was ist die größere Bedeutung des PHA -Blaupauses von Google?

Die Einführung von Private Well being Agent (PHA) zeigt, dass Well being AI über Einzelpur-Anwendungen hinausgehen kann Modulare, orchestrierte Systeme in der Lage, über multimodale Daten hinweg zu argumentieren. Es zeigt, dass das Einteilen von Aufgaben in spezialisierte Subagenten zu messbaren Verbesserungen der Robustheit, Genauigkeit und Benutzervertrauen führt.

Es ist wichtig zu beachten, dass diese Arbeit ist Ein Forschungskonstrukt, kein kommerzielles Produkt. Das Forschungsteam betonte, dass das PHA -Design explorativ ist und dass die Bereitstellung die Behebung von regulatorischen, Datenschutz- und ethischen Überlegungen erfordern würde. Dennoch stellen die Rahmen- und Bewertungsergebnisse einen signifikanten Fortschritt in den technischen Grundlagen der persönlichen Gesundheits -KI dar.

Abschluss

Das Rahmenwerk des Private Well being Agent bietet ein umfassendes Design für die Integration tragbarer Daten, Gesundheitsakten und Verhaltenscoaching durch ein von einem Orchestrator koordinierter Mehrunternehmersystem. Die Bewertung über 10 Benchmarks unter Verwendung von Tausenden von Annotationen und Expertenbewertungen zeigt konsistente Verbesserungen gegenüber Baseline -LLMs in Bezug auf statistische Analyse, medizinisches Denken, Personalisierung und Teaching -Interaktionen.

Durch die Strukturierung von Gesundheits -KI als koordiniertes System spezialisierter Wirkstoffe und nicht als monolithisches Modell zeigt die PHA, wie Genauigkeit, Kohärenz und Vertrauen in persönlichen Gesundheitsanwendungen verbessert werden können. Diese Arbeit bildet eine Grundlage für weitere Forschungen zu Agentengesundheitssystemen und hebt einen Weg zu integrierten, zuverlässigen Instrumenten für das Gesundheitsministerium hervor.

---

Schauen Sie sich das an Papier hier. Fühlen Sie sich frei, unsere zu überprüfen Github -Seite für Tutorials, Codes und Notizbücher. Fühlen Sie sich auch frei, uns zu folgen Twitter Und vergessen Sie nicht, sich unserer anzuschließen 100k+ ml Subreddit und abonnieren Unser Publication.

Im Jahr 2024 ist ein Auto nicht nur ein Auto. Es ist dein Auto, eine Erweiterung Ihrer Vorlieben und Ihres Lebensstils. Das heißt, es handelt sich um ein maßgeschneidertes Fahrzeug, das genau auf Ihre Wünsche zugeschnitten ist. Doch bei der Individualisierung geht es nicht mehr nur um Farbe und Ledersitze. Im technologischen Zeitalter geht die Individualisierung über solche ästhetischen Vorlieben hinaus.

Mit dem Aufkommen neuer Technologien – insbesondere der KI – ist die Individualisierung in eine neue Sphäre vorgedrungen und verändert die Artwork und Weise, wie sich Autos in Echtzeit an die Vorlieben des einzelnen Fahrers anpassen. Neue KI-Technologien ermöglichen es Autos, kontinuierlich aus den Gewohnheiten des Fahrers zu lernen und verschiedene Einstellungen anzupassen, um das Gesamterlebnis zu verbessern.

Mit KI-gestützten Systemen merkt sich Ihr Auto nicht nur Ihre Sitzposition oder Ihren Lieblingsradiosender – es lernt auch, wie Sie fahren, wie sich Ihr Auto anfühlen soll, sogar die Straßenverhältnisse und wie Sie darauf reagieren.

Fahrerassistenz

Einer der bedeutendsten Fortschritte, die KI für Fahrzeuge mit sich bringt, ist die Möglichkeit, Fahrerassistenzsysteme individuell anzupassen. Traditionell erforderten diese Funktionen – wie die adaptive Geschwindigkeitsregelung und der Spurhalteassistent – ​​einen einheitlichen Ansatz.

Aber jetzt ermöglicht die KI dem Auto, Ihren Fahrstil zu lernen und seine Unterstützung entsprechend anzupassen. So können beispielsweise taktile Sensoren den Straßenzustand und die Reaktionen des Fahrers erkennen und so die Unterstützungsfunktionen des Fahrzeugs gezielt anpassen. Wenn beispielsweise die Straßenverhältnisse glatt sind, kann das Fahrzeug Bremsen und Beschleunigen modulieren, um eine sanftere und sicherere Fahrt zu gewährleisten.

Je mehr Sie fahren, desto mehr lernt die KI über Ihre Gewohnheiten und Ihren Fahrstil, sodass das Auto die Funktionen an Ihre Bedürfnisse anpassen kann. Beispielsweise kann die KI die Einstellungen des adaptiven Tempomaten daran anpassen, wie genau Sie anderen Autos folgen möchten. Wenn Sie dazu neigen, einen größeren Abstand einzuhalten, merkt sich das System diesen Puffer und erhöht ihn bei zukünftigen Fahrten automatisch. Ebenso kann die KI den Spurhalteassistenten feinabstimmen, indem sie die Stärke der Lenkkorrekturen anpasst, je nachdem, wie durchsetzungsstark oder subtil Sie zum Lenken neigen.

Das System lernt auch, wie Sie auf Sicherheitswarnungen reagieren. Wenn Sie schnell bremsen, wenn ein Hindernis erkannt wird, verzögert das Auto möglicherweise die automatische Bremsung, damit Sie mehr Zeit haben, selbstständig zu reagieren. Wenn Sie hingegen dazu neigen, langsamer zu reagieren, kann die KI Eingriffe wie Bremsen oder Ausweichmanöver früher auslösen und so für Sicherheit sorgen, ohne Ihre Kontrolle zu früh außer Kraft zu setzen.

Darüber hinaus kann KI Anpassungen der Fahrgewohnheiten vorschlagen, um die Effizienz zu steigern. Wenn es Muster wie schnelles Beschleunigen oder starkes Bremsen erkennt, die mehr Kraftstoff verbrauchen, kann es Sie daran erinnern, das Gaspedal zurückzunehmen oder sanfter zu bremsen, was letztendlich den Kraftstoffverbrauch senkt und umweltfreundlichere Fahrgewohnheiten fördert.

Personalisierte Einstellungen

Für Haushalte, die sich ein Auto teilen, kann KI dazu beitragen, dass jeder Fahrer ein individuelles Erlebnis hat. Dank der fortschrittlichen Schlüsselanhänger-Technologie erkennt das Auto, wer fährt, und passt sich entsprechend an. Jeder Schlüsselanhänger kann Einstellungen wie Sitzposition, Spiegelwinkel und Klimapräferenzen speichern, was bedeutet, dass sich das Fahrzeug automatisch selbst konfiguriert, wenn ein bestimmter Fahrer einsteigt.

Diese Anpassung erstreckt sich auch auf die Infotainment-Einstellungen. Ihr Schlüsselanhänger kann dafür sorgen, dass Ihre Lieblingsmusik-Playlists, Radiosender oder Podcast-Abonnements sofort nach dem Starten des Fahrzeugs einsatzbereit sind, sodass der Übergang vom Alltag zum Autofahren nahtlos verläuft.

Über den Komfort hinaus verbessert diese Technologie das gesamte Fahrerlebnis für jedes Mitglied des Haushalts. Mit personalisierten Profilen müssen Fahrer beim Wechseln die Einstellungen nicht mehr manuell anpassen – das Auto passt sich automatisch an individuelle Vorlieben an und sorgt so für eine komfortable und mühelose Fahrt für alle.

Routenoptimierung und Kraftstoffeffizienz

Die Fähigkeit der KI, Muster zu erkennen, gibt ihr die Kraft zur Optimierung. Es kann Ihren täglichen Pendelverkehr analysieren, um sowohl die Fahreffizienz als auch den Komfort zu verbessern. Mit der Zeit lernt das System Ihre täglichen Abläufe – etwa wann Sie normalerweise zur Arbeit gehen, welche Routen Sie bevorzugen und wie lange Ihre Fahrten normalerweise dauern. Durch die Analyse der Verkehrsbedingungen in Echtzeit und Ihrer bisherigen Fahrgewohnheiten kann die KI präventiv different Routen vorschlagen, die Ihnen dabei helfen, Staus, Straßensperrungen oder Baustellen zu vermeiden und so Zeit zu sparen und Stress zu reduzieren.

Während die KI tägliche Muster lernt und optimale Routen vorschlägt, können taktile Sensoren Rückmeldung über den Straßenzustand geben. Wenn eine Route typischerweise holprig oder uneben ist, kann das Fahrzeug den Fahrer durch taktile Hinweise warnen und so eine fundiertere Entscheidungsfindung ermöglichen. Wenn die KI erkennt, dass Ihre übliche Route aufgrund eines Unfalls oder starken Verkehrs überlastet ist, empfiehlt sie Ihnen einen schnelleren Weg, bevor Sie überhaupt losfahren. Diese Vorschläge können über Sprachansagen, Navigationsanzeigen im Auto oder sogar über Ihr Mobilgerät übermittelt werden, um einen reibungslosen Übergang ohne Rätselraten zu gewährleisten.

KI kann auch die Kraftstoffeffizienz optimieren, indem sie lernt, wann und wo Sie zum Tanken neigen. Wenn das System erkennt, dass Ihr Benzintank zur Neige geht, kann es Sie auf die effizientesten Tankstopps entlang Ihrer aktuellen Route oder basierend auf Ihrem Ziel hinweisen. Dazu gehört die Suche nach Tankstellen mit günstigeren Kraftstoffpreisen, Ladestationen für Elektrofahrzeuge in der Nähe oder Standorten, die in Ihren Zeitplan passen. Dadurch entfallen kurzfristige Umwege oder unnötige Stopps.

Letzte Gedanken

KI erfindet das Fahrerlebnis neu, macht Fahrzeuge intelligenter und besser auf individuelle Vorlieben abgestimmt. Von maßgeschneiderter Fahrerassistenz bis hin zur kraftstoffeffizienten Routenplanung stellt KI sicher, dass Ihr Auto nicht nur ein weiteres Fahrzeug auf der Straße ist; Es handelt sich um einen personalisierten, reaktionsschnellen Assistenten, der sich an Ihre Bedürfnisse, Vorlieben und die Dynamik der Fahrzeug-Straßen-Interaktion anpasst. Mit der Weiterentwicklung der KI-Technologie wird das Fahren der Zukunft noch adaptiver, intuitiver und speziell auf die Anforderungen jedes Fahrers zugeschnitten.

Über den Autor

Boaz Mizrachi ist Mitbegründer und CTO von Taktile Mobilitätein Unternehmen, das In-Automobile-Systeme nutzt, um es Fahrzeugen zu ermöglichen, die Straße zu „fühlen“ und die Fahrzeug-Straßen-Dynamik für ein viel besseres, sichereres und angenehmeres Fahrerlebnis zu nutzen.

Melden Sie sich für die kostenlosen insideAI-Information an E-newsletter.

Begleiten Sie uns auf Twitter: https://twitter.com/InsideBigData1

Treten Sie uns auf LinkedIn bei: https://www.linkedin.com/firm/insideainews/

Begleiten Sie uns auf Fb: https://www.fb.com/insideAINEWSNOW

Schauen Sie bei uns vorbei YouTube!