对话式健康代理:一种个性化的 LLM 驱动代理框架
本文介绍了一种基于大型语言模型和生成式人工智能的会话式健康代理,通过分析多模态线索,它可以解释和回应用户的情绪状态,从而提供具有情境意识和共鸣力的交流回应,从而巩固交互式、富有同情心的数字健康解决方案的前沿地位。
May, 2024
使用知识注入的大型语言模型驱动的对话卫生代理 (Conversational Health Agent, CHA) 进行糖尿病患者的管理,通过整合外部知识和分析能力,包括美国糖尿病协会的膳食指南和 Nutritionix 的信息,以及营养摄入计算和与指南的比较等分析工具,与 GPT4 相比,该代理在生成管理重要营养素的回答方面表现出更好的性能。
Feb, 2024
通过四个案例研究展示了大型语言模型在医疗保健中的应用,包括分析 Reddit 上的心理健康讨论、为老年人进行认知参与开发个性化聊天机器人、总结医疗对话数据集和设计 AI 助力病患参与系统。同时讨论了在医疗保健环境中引入大型语言模型的道德考虑、最佳实践和指南。
Jun, 2024
我们介绍了一种名为个人健康洞察代理(Personal Health Insights Agent,PHIA)的代理系统,它利用最新的代码生成和信息检索工具来分析和解释可穿戴设备中的行为健康数据。该研究对于推进行为健康在人群中的发展具有影响,有可能使个人能够解释自己的可穿戴设备数据,并为基于数据驱动的洞察力所支持的新型可获得的、个性化的健康管理方法铺平道路。
Jun, 2024
通过综述大型语言模型在医学领域中的应用和意义,揭示了它们在知识检索、研究支持、临床工作流自动化和诊断辅助等方面的效用,并探索了多模态语言模型以及自动化代理在医疗保健中的发展潜力。然而,为了有效地将这些模型整合到临床实践中,需要不断优化和进行伦理监管。
Nov, 2023
大语言模型为生成会话代理带来了重大进展,使得在各种话题上实现无缝、情境相关的对话成为可能。然而,现有的以语言模型为驱动的对话代理拥有固定的个性和功能,限制了它们适应个人用户需求的能力。通过创建具有特定专长或特点的个性化代理人物,可以解决这个问题。尽管如此,我们对人们如何定制和与代理人物互动缺乏了解。在这项研究中,我们调查了用户如何定制代理人物以及其对互动质量、多样性和动力的影响。为此,我们开发了 CloChat,这是一个支持在大语言模型中轻松准确地定制代理人物的接口。我们进行了一项研究,比较了参与者如何与 CloChat 和 ChatGPT 互动。结果表明,参与者与定制代理人物建立了情感纽带,进行了更加动态的对话,并表现出对维持互动的兴趣。这些发现为未来使用大语言模型的对话代理系统的设计提供了启示。
Feb, 2024
最近在机器学习和自然语言处理方面的进展使得人工智能(AI)作为医疗行业中的有价值工具迅速发展起来。使用大型语言模型(LLMs)作为会话代理或聊天机器人有潜力帮助医生诊断患者、检测疾病的早期症状并为患者提供健康建议。本文重点探讨聊天机器人在医疗保健中的作用,并探索使用化身使得人工智能交互对患者更有吸引力的可能性。通过使用一个三类别提示字典和提示改进机制展示了一个通用 AI 化身应用的框架。建议采用两阶段方法对通用 AI 语言模型进行优化以创建不同的 AI 化身与用户讨论医疗问题。提示工程增强了聊天机器人的对话能力和个性特征,培养了与患者更加类似人类的互动。最终,将个性注入聊天机器人有可能增加患者参与度。未来研究方向包括探究如何提高聊天机器人对上下文的理解以及通过专门的医疗数据集进行精调以确保其输出的准确性。
Jan, 2024
数字卫生工具与大型语言模型(LLMs)结合可在临床环境中提供新颖的接口,增强数字医疗工具的实用性和实际影响,解决了使用 LLMs 时出现的问题,如幻觉,从而提高心血管疾病和糖尿病风险预测的效果。
Oct, 2023
通过 PRISMA 框架综合文献综述,研究了 534 篇计算机科学和医学领域发表的关于建立与心理健康相关的对话代理的论文,发现了 136 篇重要论文,重点关注对话建模和实验设计技术的多样特征,建议以透明度、伦理和文化异质性为基础,实现心理健康对话代理的跨学科发展。
Oct, 2023