综述：关于大型语言模型在个人睡眠健康领域应用的范围综述

《Mayo Clinic Proceedings: Digital Health》：A Scoping Review of Large Language Models in Personal Sleep Wellness

睡眠健康管理中大型语言模型（LLMs）的应用场景、技术策略及评估挑战。综述分析了21项研究，涵盖睡眠教育、OSA支持、个性化推荐及CBT系统，重点评估了传感器数据、自报告信息及合成数据源，探讨了LoRA、CoT等优化方法，指出当前存在样本量小、长期效果未验证、多模态整合困难等问题。

　　随着人们对睡眠健康重视程度的提高，越来越多的人开始借助数字工具来获取睡眠相关的信息、追踪睡眠状态以及改变睡眠行为。在这一背景下，大型语言模型（LLMs）如ChatGPT和Gemini等，因其在生成个性化、对话式和情境感知的睡眠指导方面的潜力，逐渐成为这些工具的重要组成部分。本文对21篇相关研究进行了综述，探讨了LLMs在非临床、日常用户导向的睡眠健康应用中的使用情况，包括教育问答、特定条件支持（如阻塞性睡眠呼吸暂停）、个性化建议和认知行为疗法（CBT）辅助系统等核心应用场景。此外，还分析了所涉及的多样化数据来源，包括可穿戴传感器数据、自我报告指标和合成基准数据，以及模型架构、微调技术和个性化策略。最后，评估了从专家评审到用户研究、基于LLM的评分等不同类型的评估框架。综述强调了当前LLMs在睡眠健康支持中的能力、方法学挑战和未来发展的机遇，同时也指出，目前的许多证据仍处于初步阶段，往往局限于短期研究、专家评分或代理评估，这限制了研究结果的外部效度和可推广性。

睡眠是人类健康的基础组成部分，与认知功能、情绪调节以及慢性疾病的风险密切相关。然而，许多人在面对持续的睡眠问题时，缺乏足够的临床支持或个性化的指导。随着大型语言模型的出现，为填补这一空白提供了新的可能性。这些模型可以提供可扩展、智能化和对话式的支持工具，帮助人们更好地理解和改善睡眠健康。本研究旨在梳理LLMs在促进个人睡眠福祉方面的应用现状，整合不同研究中的发现，为未来研究和开发提供方向。

LLMs在多个健康领域都表现出强大的能力，尤其是在提供准确、富有情感支持的回答方面。在睡眠健康领域，LLMs被证明能够回答与睡眠相关的问题，有时甚至与睡眠专家在用户感知的有用性和清晰度方面不相上下。例如，Cheong等人发现，ChatGPT在回答阻塞性睡眠呼吸暂停（OSA）相关问题时，其回答更易于理解且更具可操作性，优于Google Bard。这种表现支持了LLMs在教育问答领域的应用潜力。Bilal等人也认为，ChatGPT在提高OSA的公众认知和促进自我诊断方面具有巨大潜力，特别是在信息相对匮乏的群体中。

除了面向普通人群的教育功能，LLMs还被用于更专业的支持系统，如针对OSA患者的特定教育内容和治疗方案的解释。Campbell的研究表明，基于聊天机器人的OSA解释被患者偏好，且与临床领域高度一致。这表明LLMs不仅能够提供信息，还能在特定条件下进行深度互动，帮助用户更好地理解自己的睡眠状况。然而，研究也指出，LLMs在处理一些新兴的治疗方法（如下颌神经刺激疗法HGNS）时，由于训练数据的不足，表现相对较弱，这提示了模型需要更全面和更新的数据支持。

在个性化推荐和指导方面，LLMs正通过与可穿戴设备和用户档案的整合，为用户提供更精准的建议。例如，PhysioLLM结合了Fitbit等设备的生理数据与用户的行为模式，生成与用户具体情况相匹配的建议。Subramanian等人提出了一种基于图的增强框架，通过分析用户间相似性和特征重要性，优化LLMs的提示策略，从而提高个性化程度。Wang等人开发的HealthGuru系统则引入了行为理论和多智能体架构，使LLMs能够根据用户的偏好动态调整指导方式，从而提高用户参与度和目标达成率。这些方法展示了如何通过提示工程、行为建模和智能体适应性来增强LLMs在健康支持中的实用性。

在CBT和自助系统方面，LLMs被用于提供认知行为疗法的指导，特别是在失眠治疗中。Tang等人设计的ZzzMate聊天机器人结合了自我意识情绪识别和CBT原则，以增强用户在睡眠干预中的情感参与和习惯养成。Chen等人开发的基于ChatGLM-LoRA的移动应用，能够提供个性化的放松指导和CBT干预，初步测试显示，有超过50%的用户报告睡眠质量有所改善。Chan等人则通过一项随机对照试验，评估了基于聊天机器人的数字CBT-I（数字认知行为疗法）对失眠患者的干预效果，结果显示，与没有聊天机器人指导的对照组相比，采用LLM指导的用户在依从性和失眠严重程度指数（ISI）方面表现更好。这些研究表明，LLMs可以作为CBT的有力辅助工具，特别是在资源有限或专业医疗资源不足的环境中。

在数据来源方面，LLMs的训练和评估依赖于多种数据类型。可穿戴设备收集的生理数据，如心率、睡眠时长和压力水平，被用于生成个性化建议。自我报告数据，如通过应用程序收集的问卷或日记记录，帮助模型理解用户的主观体验，并用于验证生成的建议是否符合实际需求。合成数据和基准数据则被用于训练和测试模型，尤其是在缺乏真实数据或隐私保护受限的情况下。例如，Zheng等人开发的SleepCoT模型，通过从GPT-4o中提取的链式推理（CoT）示例进行微调，能够生成结构化的睡眠建议，同时保持较高的逻辑一致性和可解释性。这些数据来源的多样性使得LLMs能够更好地适应不同用户的睡眠需求，但也带来了数据整合和处理上的挑战。

在技术实现方面，LLMs被应用于多个模型变体和架构。一些研究使用了GPT-3.5、GPT-4和GPT-4o等专有模型，这些模型在睡眠教育和个性化指导方面表现优异。同时，开源模型如ChatGLM和Qwen也被用于睡眠健康相关的应用，例如，ChatGLM结合LoRA微调技术，支持结构化的CBT-I对话，而Qwen则用于开发具有自我意识情绪识别能力的睡眠辅助工具。这些技术的结合展示了LLMs在睡眠健康领域中的灵活性和适应性，同时也为未来的模型开发提供了新的思路。

评估方法在LLMs的应用中同样重要。专家评审是常见的一种方式，通过睡眠专家对LLMs生成的内容进行评估，以确保其准确性和安全性。例如，Kim等人比较了ChatGPT-4与睡眠专家的回答，结果显示，尽管专家略微偏好专业回答，但ChatGPT在情感支持和细节方面更受普通用户欢迎。此外，用户研究也被广泛采用，通过小规模的实证研究评估LLMs在实际应用中的效果。例如，Tang等人评估了ZzzMate对四名年轻用户的干预效果，发现其在提高自我效能和睡眠依从性方面具有积极影响。然而，这些评估大多基于短期研究，缺乏长期跟踪和大规模验证，这限制了研究结果的普遍适用性。

定量评估指标在LLMs的睡眠健康应用中也发挥了重要作用。研究通常采用李克特量表来评估回答的质量，涵盖医学准确性、可理解性和情感支持等多个维度。例如，Bragazzi等人使用5点李克特量表评估ChatGPT在纠正睡眠误区方面的表现，发现其与专家评分高度一致。Pordzik等人则采用6点李克特量表评估ChatGPT-4o在回答睡眠呼吸暂停问题上的表现，结果显示其在连贯性和简洁性方面获得高分。这些指标不仅验证了LLMs的准确性，还评估了其在实际应用中的可接受性和可用性。

尽管LLMs在睡眠健康领域展现出巨大潜力，但仍然面临一些挑战。首先是准确性问题，LLMs有时会生成不准确或误导性的信息，特别是在处理新兴或专业治疗方法时。例如，ChatGPT-4o在回答某些医疗设备术语时存在混淆，这可能误导用户。此外，LLMs在大规模个性化方面的表现仍有待提升，尤其是在处理复杂的多模态数据时。目前的许多系统仍依赖于专家评审或小规模用户研究，缺乏对长期行为变化和健康改善的全面评估。未来的研究需要关注如何在确保准确性的前提下，实现更广泛和深入的个性化支持，同时探索更全面的评估方法，如结合客观数据（如EEG、活动记录）和主观反馈（如生态瞬时评估）。

在技术层面，LLMs的多模态整合仍然是一个挑战。整合EEG、可穿戴设备的活动数据和自我报告文本，不仅需要处理高维数据，还要求模型能够将这些数据转化为具有行为意义的建议。例如，Sano等人发现，虽然LLMs能够生成个性化的睡眠反馈，但在准确解释和整合复杂数据类型方面仍存在局限。Fang等人则展示了如何通过结合可穿戴设备的统计摘要和LLMs的对话功能，提升用户对睡眠目标的理解和执行能力。然而，真正的多模态整合需要解决数据时间上的不一致性问题，并将其转化为实际的行为指导。

总体来看，LLMs在睡眠健康领域的应用正在迅速发展，但仍然处于探索阶段。虽然初步研究表明，这些模型在教育、特定条件支持、个性化建议和CBT辅助系统方面具有潜力，但如何确保其长期有效性和安全性仍然是一个重要的研究方向。未来的研究应注重提高模型的准确性和减少幻觉风险，同时推动大规模个性化和多模态数据的整合。此外，还需要开发更全面的评估体系，以衡量LLMs在睡眠健康支持中的实际效果，并确保其在不同用户群体中的适用性。通过持续的技术创新和严谨的研究方法，LLMs有望成为人们日常睡眠健康管理中的重要工具，为提升睡眠质量提供更加智能、个性化和可信的支持。