论文
要是我的CGM会说话就好了：一个面向连续血糖数据问答的隐私保护智能体
If Only My CGM Could Speak: A Privacy-Preserving Agent for Question Answering over Continuous Glucose Data
摘要
糖尿病护理中使用的连续血糖监测仪（CGM）收集丰富的个人健康数据，可用于改善日常自我管理。然而，现有患者平台仅提供静态摘要，不支持探究式的用户查询。大语言模型（LLM）可实现对连续血糖数据的自由形式查询，但将其部署于敏感健康记录之上会引发隐私与准确性担忧。本文提出CGM-Agent，一个面向个人血糖数据问答的隐私保护框架。在该设计中，LLM纯粹作为选择分析函数的推理引擎。所有计算均在本地进行，个人健康数据从不离开用户设备。为进行评估，我们构建了一个包含4,180个问题的基准，将参数化问题模板与真实用户查询相结合，真值由确定性程序执行得出。对6个领先LLM的评估发现，顶尖模型在合成查询上达到94%的取值准确率，在模糊的真实世界查询上达到88%。错误主要源于意图与时间歧义，而非计算失败。此外，轻量模型在我们的智能体设计下取得有竞争力的表现，提示了低成本部署的机会。我们发布代码与基准，以支持未来可信健康智能体的研究。
