論文の概要: MythTriage: Scalable Detection of Opioid Use Disorder Myths on a Video-Sharing Platform

• arxiv url: http://arxiv.org/abs/2506.00308v1
• Date: Fri, 30 May 2025 23:37:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:32.694635
• Title: MythTriage: Scalable Detection of Opioid Use Disorder Myths on a Video-Sharing Platform
• Title（参考訳）: MythTriage:ビデオ共有プラットフォームを用いたオピオイド使用障害のスケーラブル検出
• Authors: Hayoung Jung, Shravika Mittal, Ananya Aatreya, Navreet Kaur, Munmun De Choudhury, Tanushree Mitra,
• Abstract要約: 本稿では,オピオイド関連神話の大規模な研究をYouTubeで紹介する。 臨床専門家は,8つの普及神話を検証し,専門家ラベル付きビデオデータセットをリリースする。 MythTriageは、日常的なケースに軽量モデルを使用し、より難しいものを高いパフォーマンスで高コストで大規模な言語モデル(LLM)にデフェクトする、効率的なトリアージパイプラインである。
• 参考スコア（独自算出の注目度）: 17.30990857507949
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding the prevalence of misinformation in health topics online can inform public health policies and interventions. However, measuring such misinformation at scale remains a challenge, particularly for high-stakes but understudied topics like opioid-use disorder (OUD)--a leading cause of death in the U.S. We present the first large-scale study of OUD-related myths on YouTube, a widely-used platform for health information. With clinical experts, we validate 8 pervasive myths and release an expert-labeled video dataset. To scale labeling, we introduce MythTriage, an efficient triage pipeline that uses a lightweight model for routine cases and defers harder ones to a high-performing, but costlier, large language model (LLM). MythTriage achieves up to 0.86 macro F1-score while estimated to reduce annotation time and financial cost by over 76% compared to experts and full LLM labeling. We analyze 2.9K search results and 343K recommendations, uncovering how myths persist on YouTube and offering actionable insights for public health and platform moderation.
• Abstract（参考訳）: オンラインの健康トピックにおける誤報の頻度を理解することは、公衆衛生政策や介入を知らせることができる。 しかし、このような誤報を大規模に測定することは、特にオピオイド・ユース障害(OUD)のようなハイテイクだが未調査の課題であり、米国での死因である。 我々は、OUD関連の神話をYouTube上で初めて大規模に研究し、健康情報のための広く利用されているプラットフォームについて紹介する。 臨床専門家は,8つの普及神話を検証し,専門家ラベル付きビデオデータセットをリリースする。 MythTriageは、日常的なケースに軽量なモデルを使用し、より難しいものを高いパフォーマンスで高コストで大きな言語モデル(LLM)にデフェクトする、効率的なトリアージパイプラインである。 MythTriageは最大0.86マクロF1スコアを達成し、専門家やLLMの完全なラベリングと比較してアノテーションの時間と金銭コストを76%以上削減すると見積もられている。 我々は2.9Kの検索結果と343Kのレコメンデーションを分析し、YouTube上での神話の持続性を明らかにし、公衆衛生とプラットフォームモデレーションのための実用的な洞察を提供する。

関連論文リスト

• Leveraging Large Language Models for Multi-Class and Multi-Label Detection of Drug Use and Overdose Symptoms on Social Media [6.809256769427066]
  ソーシャルメディアは、自己報告された物質の使用と過剰摂取症状に対するリアルタイムな洞察を提供する。 本研究は、アノテーション付きソーシャルメディアデータに基づいてトレーニングされたAI駆動NLPフレームワークを用いて、一般的に使用される薬物および関連する過剰摂取症状を検出することを提案する。
  論文  参考訳（メタデータ） (2025-04-16T02:33:19Z)
• Structured Outputs Enable General-Purpose LLMs to be Medical Experts [50.02627258858336]
  大規模言語モデル(LLM)は、しばしばオープンエンドの医学的問題に苦しむ。 本稿では,構造化医療推論を利用した新しいアプローチを提案する。 我々の手法は85.8のファクチュアリティスコアを達成し、微調整されたモデルを上回る。
  論文  参考訳（メタデータ） (2025-03-05T05:24:55Z)
• MedHallu: A Comprehensive Benchmark for Detecting Medical Hallucinations in Large Language Models [82.30696225661615]
  MedHalluは、医学的幻覚検出に特化して設計された最初のベンチマークである。 GPT-4o, Llama-3.1, および医学的に微調整されたUltraMedicalを含む最先端のLSMは、このバイナリ幻覚検出タスクに苦慮している。 双方向の包絡クラスタリングを用いて, 難解な幻覚は, 意味論的に真実に近いことを示す。
  論文  参考訳（メタデータ） (2025-02-20T06:33:23Z)
• 'Debunk-It-Yourself': Health Professionals' Strategies for Responding to Misinformation on TikTok [7.044600948888159]
  ソーシャルメディアプラットフォームは、情報提供者として信頼を維持する責任を負っている。 解釈の問題として、プラットフォームはこの責任を十分に満たさず、危険な健康上の誤報が多くのユーザーに影響を与えることを許している。 我々はTikTokのビデオを通じて誤情報対策キャンペーンを行う14名の健康専門家を探索調査した。 ユーザ自身による誤情報の影響に対して,構造化された応答を推奨する。
  論文  参考訳（メタデータ） (2024-12-06T12:52:18Z)
• MisinfoEval: Generative AI in the Era of "Alternative Facts" [50.069577397751175]
  本稿では,大規模言語モデル(LLM)に基づく誤情報介入の生成と評価を行うフレームワークを提案する。 本研究では,(1)誤情報介入の効果を測定するための模擬ソーシャルメディア環境の実験,(2)ユーザの人口動態や信念に合わせたパーソナライズされた説明を用いた第2の実験について述べる。 以上の結果から,LSMによる介入はユーザの行動の修正に極めて有効であることが確認された。
  論文  参考訳（メタデータ） (2024-10-13T18:16:50Z)
• Large Language Model Distilling Medication Recommendation Model [58.94186280631342]
  大規模言語モデル(LLM)の強力な意味理解と入力非依存特性を利用する。 本研究は, LLMを用いて既存の薬剤推奨手法を変換することを目的としている。 これを軽減するため,LLMの習熟度をよりコンパクトなモデルに伝達する機能レベルの知識蒸留技術を開発した。
  論文  参考訳（メタデータ） (2024-02-05T08:25:22Z)
• Identifying Self-Disclosures of Use, Misuse and Addiction in Community-based Social Media Posts [26.161892748901252]
  我々は,オピオイド使用の6つの異なる位相をラベル付けした,様々なサブレディットからの2500オピオイド関連ポストのコーパスを提示する。 すべての投稿で、私たちは、アノテーションの品質とモデル開発の両方において、スパンレベルの説明を注釈付けし、彼らの役割を決定的に研究します。
  論文  参考訳（メタデータ） (2023-11-15T16:05:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。