利用大语言模型指导基于物联网的医疗警报系统
计算机与社会
2024-08-26 v1
摘要
医疗警报系统 (HAS) 正在快速演进，这推动了人工智能 (AI)、物联网 (IoT) 技术的进步以及日益增长的健康意识。尽管取得了显著进展，但仍面临一个根本性挑战：在受资源限制的 HAS 环境中，在保证个人健康警报准确性的同时实现严格的隐私保护。为了解决这一问题，我们引入了一个统一框架 LLM-HAS，将大语言模型 (LLM) 融入 HAS，以显著提升准确性，确保用户隐私，增强个人化健康服务，同时提高用户主观体验质量 (QoE)。我们创新的框架利用混合专家 (MoE) 方法，辅以 LLM，从额外的文本工作描述中分析用户的个人偏好和潜在健康风险，从而指导选择专门的深度强化学习 (DDPG) 专家，以作出精确的健康警报。此外，LLM-HAS 可以处理对话式用户反馈，这不仅允许微调 DDPG，还能加深用户参与，从而提高健康管理策略的准确性和个人化程度。仿真结果验证了 LLM-HAS 框架的有效性，突显了其作为创新方法在利用生成式 AI (GAI) 提供高度准确可靠警报的潜力。
引用
@article{arxiv.2408.13071,
title = {Guiding IoT-Based Healthcare Alert Systems with Large Language Models},
author = {Yulan Gao and Ziqiang Ye and Ming Xiao and Yue Xiao and Dong In Kim},
journal= {arXiv preprint arXiv:2408.13071},
year = {2024}
}