《会话式健康智能体：个性化的大语言模型驱动的智能体框架》

会话式智能体有可能在逐步定义复杂问题、解决问题以及解释其解决问题过程中发挥关键作用。这种功能在大量的敏感应用中，特别是在医疗保健领域，促进了信任，并带来了巨大的前景。大语言模型（LLM）已经在跨领域的会话系统中一致显示出了它们的有效性。人们目前的探索，主要集中在利用人工智能、大语言模型和移动健康领域的最新技术进展，开发会话式健康智能体（CHA）上，在这些领域，它在不断收集用户的生活方式和生理数据方面显示出了功效。这些不可或缺的组成部分将有助于创建异常高效的会话式智能体。

会话式健康智能体是一种交互式系统，可以增强和优化人类行为，提供医疗保健见解，如帮助、自我意识和诊断。他们旨在促进有意义的会话，收集足够的信息，进行处理，进而提供可靠和值得信赖的应答。在这些系统中，会话很关键，因为它是人类互动的基本模式。古往今来，会话一直是知识的主要来源和社会行为的催化剂。最近，许多研究证实了与会话式健康智能体的会话方面相关的功效、可用性和总体满意度。在医疗环境中，同理心和陪伴需要个性化的会话。

目前活跃在医学知识领域的现有大语言模型有、、和Med PaLM M等。这些大语言模型可以用作会话式健康智能体。然而，这些大语言模型只关注会话方面，仅提供有限的智能体功能，如基本的文本型的聊天界面，缺乏多步骤解决问题的能力。这一局限使得会话式健康智能体难以实现医疗聊天机器人的个性化。它们无法访问用户个人收集的纵向数据和电子病历数据，其中包括生命体征、生物信号（如心电图）、医学图像和人口统计数据等关键信息。因此，它们的应答往往是笼统的，可能无法充分解决个人健康问题。此外，它们很难融入最新的健康见解，从而给出可能过时的应答。此外，这些聊天机器人并没有与现有的医疗保健分析工具无缝集成，用于多模态预测建模，这使得以前的医疗保健工作过时，并大大降低了适应性。

鉴于技术的重大进步及其对人类和环境的重要性，我们必须协同所有可用的工具并利用来自不同来源的知识来制作会话式健康智能体，为全球受众提供一个值得信赖的，可理解的和可操作的环境。本文中，提出了一个大语言模型（LLM）驱动的框架，使会话式健康智能体能够为用户的医疗保健查询生成个性化应答。该框架通过集成医疗保健数据源、实现多语言和多模态会话以及与各种用户数据分析工具交互，提供批判性思维、知识获取和问题解决能力。本文通过一个对压力水平估计的案例研究，展示了该框架在处理复杂医疗任务方面的熟练程度，展示了智能体的认知能力和业务操作能力。

如需要《会话式健康智能体：个性化的大语言模型驱动的智能体框架》（英文，共23页），请在本微信公众号中赞赏（点喜欢或稀罕作者后按本公众号设定打赏）后发来email地址索取。