Google ha appena presentato il Personal Health Large Language Model (PH-LLM), una versione avanzata del modello Gemini, progettata per analizzare i dati temporali provenienti da dispositivi indossabili e fornire raccomandazioni personalizzate in ambito salute. Questo sviluppo segna un passo significativo verso l’integrazione dell’intelligenza artificiale nella gestione della salute personale. PH-LLM è stato testato su tre compiti principali: generazione di raccomandazioni personalizzate, valutazione delle conoscenze esperte e previsione della qualità del sonno auto-riferita. In uno studio, PH-LLM ha ottenuto punteggi dell’88% in ambito fitness e del 79% in medicina del sonno, superando le medie degli esperti umani in entrambi i settori .
Il modello è stato addestrato utilizzando tre nuovi dataset di riferimento, che includono 857 casi di studio reali e domande a scelta multipla in medicina del sonno e fitness. Questi dati hanno permesso di valutare la capacità di PH-LLM di produrre intuizioni personalizzate e di prevedere gli esiti del sonno in modo accurato . L’uso di dati provenienti da dispositivi indossabili offre un’opportunità unica per monitorare la salute in tempo reale e fornire consigli basati su dati concret
Sebbene PH-LLM abbia mostrato prestazioni superiori rispetto agli esperti umani in alcuni compiti, è importante notare che il modello ha ancora margini di miglioramento. La qualità delle risposte può variare e ci sono sfide legate alla rappresentatività dei dati e alla generalizzazione delle raccomandazioni. Tuttavia, i risultati ottenuti finora suggeriscono un potenziale significativo per l’uso dell’intelligenza artificiale nella gestione della salute personale.
Nature medicine: https://www.nature.com/articles/s41591-025-03888-0
Google: https://research.google/pubs/towards-a-personal-health-large-language-model/?utm_source=chatgpt.com