大規模言語モデルとウェアラブルデバイスのデータは、個人の健康状態を改善する機会を提供しますが、健康に関する問い合わせにおいては個々のニーズが大きく異なります。単一のシステムでは、特定の質問と自由形式の質問の両方に対応することは困難です。この課題に対処するため、パーソナライズされたエビデンスに基づいたガイダンスのためにマルチモーダルデータを推論するPersonal Health Agent（PHA）という研究フレームワークが作成されました。PHAは、データサイエンス、ドメイン専門知識、健康コーチングのための専門サブエージェントを備えたマルチエージェントアーキテクチャを使用しています。ウェアラブルデータ、アンケート、血液検査を含む研究からの実際のデータが評価に使用されました。このシステムは、数千の注釈とかなりの専門家の労力を伴う10のベンチマークタスク全体で、広範な自動および人間の評価を受けました。この研究は、健康エージェントの包括的な評価を表し、アクセス可能なパーソナルヘルスエージェントの基盤を築きます。この研究は概念的なフレームワークを概説するものであり、現在の公開されている製品やサービスの説明ではありません。アプローチには、ユーザー中心のデザイン、1,300件以上の健康に関する問い合わせの分析、および主要なサポート領域を特定するためのユーザー調査が含まれていました。システムの評価は、個々のエージェントと統合されたPHAのベンチマークに焦点を当て、自動および人間の両方の評価を使用しました。