基于 CGM 的多模态跟踪结合聊天机器人支持：亚健康状态的自族谱学研究
人机交互
2025-11-04 v2
摘要
代谢紊乱是全球范围内的紧迫健康挑战，中国承担着世界上最大的负担。虽然连续血糖监测（CGM）已彻底改变了糖尿病护理，但其在支持亚健康人群（如超重、糖前期或焦虑者）方面的潜力仍未得到充分探索。与此同时，大语言模型（LLM）在健康教练中日益受到重视，但很少将 CGM 作为一等信号。为此，我们进行了为期六周的自族谱学研究，结合 CGM 与通过常用数字设备捕获的多模态指标，以及提供个性化反思和血糖波动解释的聊天机器人。我们的发现表明，CGM 驱动的以数据为中心的多模态跟踪结合对话支持，塑造了日常饮食、活动、压力和福祉的实践。本工作通过将 CGM 研究扩展到临床糖尿病之外，展示了 LLM 驱动的代理人如何支持预防性健康和高危人群的反思。
引用
@article{arxiv.2510.25381,
title = {CGM-Led Multimodal Tracking with Chatbot Support: An Autoethnography in Sub-Health},
author = {Dongyijie Primo Pan and Lan Luo and Yike Wang and Pan Hui},
journal= {arXiv preprint arXiv:2510.25381},
year = {2025}
}
备注
International Conference on Human-Engaged Computing (ICHEC 2025), Singapore