面向可穿戴健康数据的通用智能体与接口
人工智能
2026-05-22 v1
摘要
虽然普遍可穿戴传感器捕获了丰富的行为和生理信息，但有效地将这些信号转化为个性化健康洞察仍然具有挑战性。具体而言，由于表型多样性和个体基线健康、生理和生活方式因素的差异， 将低层次传感器数据转换为能够刻画更高层次状态的表示方法尚存困难。此外，收集带有健康结果注释的可穿戴数据既费时又昂贵，且回溯注释在实际中几乎不可行，导致标注高质量的数据稀缺。为克服这些限制，我们提出一种基于可穿戴健康数据的基础模型，该模型是在来自 500 万名参与者的超一万亿分钟未标记传感器信号上进行预训练。我们展示，模型容量与预训练数据量的联合扩展导致在 35 项健康预测任务上的系统性性能提升，这些任务涵盖了心血管、代谢、睡眠、精神健康以及生活方式选择和人口学因素。我们发现，这种规模化的表示解锁了标签高效的零样本学习和生成能力，以实现稳健的每日指标估计。为进一步利用所学表示，我们部署一组 LLM 代理来自主搜索基于模型嵌入的下游预测头的空间，显示出广泛的性能提升，这些提升随 LLM 模型容量的增加而增大。最后，我们展示了将这些下游预测器集成到个人健康代理中，可支持更相关、更具情境感知性和更安全的模型响应，我们通过来自 1860 名临床医生的评分进行了验证。
引用
@article{arxiv.2605.22759,
title = {Towards a General Intelligence and Interface for Wearable Health Data},
author = {Girish Narayanswamy and Maxwell A. Xu and A. Ali Heydari and Samy Abdel-Ghaffar and Marius Guerard and Kara Vaillancourt and Zhihan Zhang and Jake Garrison and Levi Albuquerque and Dimitris Spathis and Hong Yu and Hamid Palangi and Xuhai "Orson" Xu and David G. T. Barrett and Joseph Breda and Jed McGiffin and Yubin Kim and Yuwei Zhang and Naghmeh Rezaei and Samuel Solomon and Karan Ahuja and Tim Althoff and Jake Sunshine and Ming-Zher Poh and Benjamin Yetton and Ari Winbush and Nicholas B. Allen and James M. Rehg and Isaac Galatzer-Levy and Yun Liu and John Hernandez and Anupam Pathak and Conor Heneghan and Yuzhe Yang and Ahmed A. Metwally and Pushmeet Kohli and Mark Malhotra and Shwetak Patel and Xin Liu and Daniel McDuff},
journal= {arXiv preprint arXiv:2605.22759},
year = {2026}
}