Nature刊文：模块化多智能体个人健康助手架构及其大规模评估

近年来，大语言模型在医学领域的应用迅速扩展，从临床知识测评^[1][2]到面向真实病例的诊断推理^[3]已有相当多的证据。然而，消费者健康场景中真正整合可穿戴设备连续数据、生理信号和医学知识的工作仍属少数：先前的尝试要么只覆盖睡眠与运动等较窄场景、缺乏对数值时间序列的深入分析^[4]，要么做通用数据分析却没有系统评估医学专业性与互动式健康指导^[2]，"全能型个人健康助手"的设想因此长期停留在概念阶段^[1]。

为此，这篇论文首先以用户中心方法系统梳理需求，综合了1,370条消费者健康搜索与论坛问题、555份健康目标问卷以及14位用户体验与工程专家的工作坊讨论，提炼出四类关键旅程——通用健康知识、个人数据解读、健康与健身建议、症状咨询，并进一步分解为26个子类型。研究团队据此构建了一套模块化多智能体系统：数据科学（DS）智能体负责把模糊提问转化为分析方案与可执行代码并配有迭代自校正循环；领域专家（DE）智能体融合可穿戴数据、健康知识与血液检测结果进行循证解读；健康教练（HC）智能体以动机访谈等循证策略引导行为改变；一个中央协调器负责任务分配与结果综合，底层使用Gemini 2.0系列模型。

在评估层面，作者依托n=1,165的可穿戴代谢健康（WEAR-ME）数据集，设计了11项基准任务，累计投入超过7,000条人工标注和1,350小时工作量（651小时终端用户、699小时专家），分别对DS、DE、HC智能体及集成系统进行能力匹配评估。结果显示：DS智能体在分析方案质量与代码生成通过率上都较基础Gemini模型有显著提升，各专科智能体在其职责范围内验证了模块化分工的优势，而集成系统在开放式多模态对话中呈现出面向真实场景的应用潜力。

与既往工作相比，这项研究的价值在于把对可穿戴数值时间序列的统计推理、循证医学解读与开放式健康指导同时纳入同一框架并完成端到端评测，为后续研究与对比提供了可复现的基线。但局限同样不可忽视：受协议级数据访问所限，系统当前仅接入血液检测结果，未来需扩展至电子病历及其他模态；其定位明确是赋能消费者的辅助工具，并非替代临床医生；面向真实人群的长期安全性、监管路径与行为改变效果，仍有待进一步研究与验证。