PhysioLLM: Supporting Personalized Health Insights with Wearables and Large Language Models

我们提出了PhysioLLM，这是一个交互式系统，利用大型语言模型（LLMs）将可穿戴设备的生理数据与上下文信息相结合，提供个性化的健康理解和探索。与商业健康应用程序不同，我们的系统提供了一个全面的统计分析组件，发现用户数据中的相关性和趋势，允许用户用自然语言提出问题并获得生成的个性化见解，并指导他们制定可行的目标。作为案例研究，我们专注于改善睡眠质量，因为它可以通过生理数据进行测量，并且对于整体健康非常重要。通过与24个Fitbit手表用户的用户研究，我们证明了PhysioLLM在促进更深入、个性化的健康数据理解和支持个人健康目标的可行步骤方面，优于仅使用Fitbit应用程序和通用LLM聊天机器人。

PhysioLLM旨在提供个性化的健康理解和探索，结合可穿戴设备的生理数据和上下文信息，以改善睡眠质量。该系统试图解决的问题是如何在个性化的健康理解和探索中整合生理数据和上下文信息。

该系统利用大型语言模型（LLMs）提供个性化的健康理解和探索，并结合可穿戴设备的生理数据和上下文信息。该系统提供了全面的统计分析组件，发现用户数据中的相关性和趋势，允许用户用自然语言提问并获得生成的个性化见解，并指导他们制定可行的目标。

论文通过一个24位Fitbit手表用户的用户研究，证明了PhysioLLM在促进更深入、个性化的健康数据理解和支持采取可行步骤方面优于仅使用Fitbit应用程序和通用LLM聊天机器人。

最近的相关研究包括：1. Wearable-based personalized health monitoring system with real-time feedback; 2. A review of wearable sensor systems for monitoring body movements of elderly people; 3. Personalized sleep quality prediction system using wearable sensors and deep learning.