Google PH-LLM: языковая модель для мониторинга здоровья

Google PH-LLM pipeline

Google разработала языковую модель PH-LLM для анализа медицинских данных, собранных с носимых устройств – умных часов и пульсометров. В ходе экспериментов модель отвечала на вопросы о здоровье и прогнозировала состояние пациентов лучше экспертов с многолетним опытом работы в области здравоохранения и фитнеса.

Носимые технологии могут помочь людям контролировать свое здоровье и, в идеале, вносить в него значимые изменения. Эти устройства предоставляют важные данные для персонального мониторинга здоровья. Однако они редко используются в клинических условиях, потому что обычно собираются без дополнительного контекста и требуют большого объема вычислений для хранения и анализа. Кроме того, их может быть трудно интерпретировать.

Подробнее о PH-LLM

PH-LLM (Personal Health Large Language Model) – версия Gemini, дообученная давать рекомендации, отвечать на вопросы из профессиональных экзаменов и прогнозировать нарушения сна и их последствия. Модель набрала 79 из 100 баллов на экзамене по сну и 88 — на экзамене по физической подготовке, что превысило средние баллы, полученные на выборке экспертов-людей, включая пятерых профессиональных тренеров по спорту (со средним опытом работы 13,8 года) и пятерых экспертов по медицине сна (со средним опытом работы 25 лет): эксперты набрали в среднем 71 баллов по физической подготовке и 76 — по сну.

Для обучения модели исследователи создали и обработали три датасета, содержащих персонализированную информацию и рекомендации, основанные на данных о физической активности, режиме сна и физиологических реакциях, а также знания экспертов в данной области. В сотрудничестве с экспертами в данной области они подготовили 857 тестов, представляющих реальные сценарии, связанные со сном и физической подготовкой — 507 для первого и 350 для второго.

PH-LLM rating comparison

Обе категории тестов включали данные с носимых устройств — до 29 дней для сна и более 30 дней для занятий фитнесом — а также демографическую информацию (возраст и пол) и экспертный анализ. Данные носимых устройств включали общие показатели сна, частоту сердечных сокращений, продолжительность сна (время начала и окончания), количество минут бодрствования, долю фазы быстрого сна, частоту дыхания, количество пройденных шагов и минут сжигания жира.

Подписаться
Уведомить о
guest

0 Comments
Межтекстовые Отзывы
Посмотреть все комментарии

gogpt