ALPHA: AnomaLous Physiological Health Assessment Using Large Language Models

要約

この研究は、医療における大規模言語モデル (LLM) の有効性の評価に焦点を当てており、特に個人の異常な健康状態のモニタリングにおける LLM の応用に焦点を当てています。
私たちの研究は主に、FDA 承認のデバイスから得られた生理学的データを解釈および分析する際の LLM の機能を調査しています。
私たちは、模擬的な低気圧プラトー環境で収集された異常な生理学的データを使用して、広範な分析を実施しました。
これにより、ユーザーの健康状態を顕著な特異性で理解および評価する際の LLM の精度と信頼性を評価できるようになりました。
私たちの調査結果では、LLM が、心拍数の平均絶対誤差 (MAE) が 1 拍/分未満、酸素飽和度 (SpO2) が 1% 未満であるなど、医療指標の決定において優れたパフォーマンスを発揮することが明らかになりました。
さらに、これらの評価の平均絶対パーセント誤差 (MAPE) は 1% 未満に留まり、健康評価の全体的な精度は 85% を超えています。
光電容積脈波計 (PPG) データの解釈などの画像解析タスクでは、特別に適応された GPT モデルが顕著な熟練度を示し、サイクル数の誤差が 1 bpm 未満、心拍数の推定では 7.28 MAE 未満を達成しました。
この研究は、健康データ分析ツールとしての LLM の役割と、高度な AI 健康アシスタントの重要な要素としての LLM の二重の役割を強調し、将来の健康アシスタントのフレームワーク内でパーソナライズされた健康に関する洞察と推奨事項を提供します。

要約(オリジナル)

This study concentrates on evaluating the efficacy of Large Language Models (LLMs) in healthcare, with a specific focus on their application in personal anomalous health monitoring. Our research primarily investigates the capabilities of LLMs in interpreting and analyzing physiological data obtained from FDA-approved devices. We conducted an extensive analysis using anomalous physiological data gathered in a simulated low-air-pressure plateau environment. This allowed us to assess the precision and reliability of LLMs in understanding and evaluating users’ health status with notable specificity. Our findings reveal that LLMs exhibit exceptional performance in determining medical indicators, including a Mean Absolute Error (MAE) of less than 1 beat per minute for heart rate and less than 1% for oxygen saturation (SpO2). Furthermore, the Mean Absolute Percentage Error (MAPE) for these evaluations remained below 1%, with the overall accuracy of health assessments surpassing 85%. In image analysis tasks, such as interpreting photoplethysmography (PPG) data, our specially adapted GPT models demonstrated remarkable proficiency, achieving less than 1 bpm error in cycle count and 7.28 MAE for heart rate estimation. This study highlights LLMs’ dual role as health data analysis tools and pivotal elements in advanced AI health assistants, offering personalized health insights and recommendations within the future health assistant framework.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google