如果我的CGM能说话：面向连续血糖数据的隐私保护问答代理
人工智能
2026-04-21 v1 密码学与安全
摘要
用于糖尿病护理的连续血糖监测器( CGM)收集丰富的个人健康数据，可提高日常自我管理的效果。然而，当前的患者平台仅提供静态概述，不支持对用户查询的探索性提问。大语言模型( LLM)可以实现对连续血糖数据的自由形式查询，但在敏感健康记录上部署会引发隐私和准确性 concerns。本文提出了CGM-Agent，一个面向个人血糖数据问答的隐私保护框架。在我们的设计中，LLM仅作为推理引擎，用于选择分析函数。所有计算都在本地进行，个人健康数据永远不会离开用户设备。为了进行评估，我们构建了一个包含4,180个问题的基准数据集，将参数化问题模板与真实用户查询相结合，并来自确定性程序执行的ground truth。评估6个领先的LLM，我们发现顶级模型在合成查询上实现94%的值准确率，在模糊的真实世界查询上实现88%准确率。错误主要来自意图和时间模糊性，而非计算故障。此外，轻量级模型在我们的代理设计中实现了具竞争力的性能，这表明了低成本部署的潜在机会。我们公开了代码和基准数据集，以支持可信健康代理的未来工作。
引用
@article{arxiv.2604.17133,
title = {If Only My CGM Could Speak: A Privacy-Preserving Agent for Question Answering over Continuous Glucose Data},
author = {Yanjun Cui and Ali Emami and Temiloluwa Prioleau and Nikhil Singh},
journal= {arXiv preprint arXiv:2604.17133},
year = {2026}
}
备注
Accepted by ACL Findings 2026