[LG]《The Anatomy of a Personal Health Agent》A. A Heydari, K Gu, V Srinivas, H Yu... [Google Research] (2025)
打造面向未来的个人健康助理，Personal Health Agent（PHA）多智能体框架，聚焦融合数据科学、医学专家与健康教练三大子智能体，满足多样化且复杂的用户健康需求。
• 用户需求洞察：通过分析1370条真实健康查询、Fitbit社区调查数据（N=555）及专家研讨，归纳出四大用户旅程（CUJ）：健康知识查询、个人健康数据洞察、健康建议、症状评估，揭示了个人健康助理需兼具数据分析、专业医学解读及个性化健康指导能力。
• 三大子智能体职能明确：
- 数据科学代理（DS Agent）：解析时序可穿戴设备数据及健康记录，生成结构化分析计划并执行代码，确保统计分析的科学性与准确性，支持开放式健康数据查询。
- 域专家代理（DE Agent）：整合用户健康档案和可穿戴数据，通过多步骤推理和权威资源检索，提供精准、个性化且可信赖的医学知识和诊断辅助。
- 健康教练代理（HC Agent）：采用模块化对话架构，运用动机访谈等心理学策略，动态把控对话流程，协助用户设定目标、识别障碍、调整计划，增强用户参与感和行为改变效果。
• PHA多智能体协同架构：
- 由Orchestrator负责动态识别用户需求，合理分配主导及辅助智能体任务，支持多轮互动与反思，避免重复询问已知数据，降低用户负担。
- 设计原则强调满足全面需求、灵活适配、降低用户认知负荷及架构简洁性。
- 多轮交互中，Orchestrator通过持续记忆更新维护对话连贯性与个性化。
• 评估体系严谨全面：
- 采用涉及近1500名参与者的WEAR-ME真实健康数据，结合专家和终端用户的超过1100小时注释和评测。
- DS Agent在分析计划生成和代码执行准确率上显著优于基线，体现出卓越的数据解析和统计推理能力。
- DE Agent在医学多选题、症状诊断和个性化问答中均优于基础模型，临床专家偏好其综合多模态健康数据的解析与总结。
- HC Agent获得用户和健康教练专家的高度评价，尤其在对话流程控制和动机访谈技巧上表现突出。
- 整合的PHA系统在用户满意度、对话质量、专业性和实用性方面显著超过单一代理和并行多代理基线，专家与用户均给予一致肯定。
心得：
1. 真实用户需求驱动设计，明确健康查询的多样性及复杂性，强调多角色智能体的必要性。
2. 模块化协作与动态任务分配策略，有效融合数据分析、医学知识和行为指导，提升系统整体表现和用户体验。
3. 多维度评估揭示医疗AI系统不仅需准确性，更需具备个性化和交互性，真正成为用户可信赖的健康伙伴。
PHA的成功验证为未来智能健康助理的发展提供了示范蓝图，推动AI在个性化健康管理中的应用进入新阶段。
详情🔗arxiv.org/abs/2508.20148
人工智能健康科技多智能体系统个性化医疗大模型可穿戴设备
