An LLM-Powered Agent for Physiological Data Analysis: A Case Study on PPG-based Heart Rate Estimation

要約

大規模な言語モデル（LLM）は、診断、患者ケア、およびインタラクティブなコミュニケーションを通じて意思決定サポートを改善することにより、ヘルスケアに革命をもたらしています。
最近では、健康洞察抽出のためのウェアラブルデータなどの生理学的時系列の分析に適用されています。
既存の方法は、生の数値シーケンスを直接プロンプトに埋め込み、トークンの制限を超えて計算コストを増加させます。
さらに、一部の研究では、テキストプロンプトまたは適用されたマルチモーダルアプローチで時系列から抽出された機能を統合しました。
ただし、これらの方法は、LLMSの制限された分析的厳密さと連続波形の解釈における非効率性により、一般的で信頼できない出力を生成することがよくあります。
この論文では、LLMを確立された分析ツールと統合することのギャップを埋めることを目的とした生理学的時系列分析のためのLLM駆動剤エージェントを開発します。
オープンソースのLLM駆動型フレームワークであるOpenChaに基づいて構築されたOpenAIのGPT-3.5ターボモデルを搭載したエージェントは、ユーザーのインタラクション、データソース、分析ツールを統合して正確な健康洞察を生成するオーケストレーターを備えています。
その有効性を評価するために、リモートヘルスモニタリング研究でPPGと心電図（ECG）記録のデータセットを使用して、フォトトップメモグラム（PPG）信号からの心拍数（HR）推定に関するケーススタディを実装します。
エージェントのパフォーマンスは、OpenAI GPT-4O-MINIおよびGPT-4Oに対してベンチマークされており、ECGはHR推定のゴールドスタンダードとして機能します。
結果は、エージェントが低いエラー率とより信頼性の高いHR推定を達成することにより、ベンチマークモデルを大幅に上回ることを示しています。
エージェントの実装は、GitHubで公開されています。

要約(オリジナル)

Large language models (LLMs) are revolutionizing healthcare by improving diagnosis, patient care, and decision support through interactive communication. More recently, they have been applied to analyzing physiological time-series like wearable data for health insight extraction. Existing methods embed raw numerical sequences directly into prompts, which exceeds token limits and increases computational costs. Additionally, some studies integrated features extracted from time-series in textual prompts or applied multimodal approaches. However, these methods often produce generic and unreliable outputs due to LLMs’ limited analytical rigor and inefficiency in interpreting continuous waveforms. In this paper, we develop an LLM-powered agent for physiological time-series analysis aimed to bridge the gap in integrating LLMs with well-established analytical tools. Built on the OpenCHA, an open-source LLM-powered framework, our agent powered by OpenAI’s GPT-3.5-turbo model features an orchestrator that integrates user interaction, data sources, and analytical tools to generate accurate health insights. To evaluate its effectiveness, we implement a case study on heart rate (HR) estimation from Photoplethysmogram (PPG) signals using a dataset of PPG and Electrocardiogram (ECG) recordings in a remote health monitoring study. The agent’s performance is benchmarked against OpenAI GPT-4o-mini and GPT-4o, with ECG serving as the gold standard for HR estimation. Results demonstrate that our agent significantly outperforms benchmark models by achieving lower error rates and more reliable HR estimations. The agent implementation is publicly available on GitHub.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google