Epidemic Information Extraction for Event-Based Surveillance using Large Language Models

要約

この論文では、人気のある ProMED や WHO 疾病発生ニュースなどの非構造化ビッグ データ ソースを効果的に解釈するために人工知能と大規模言語モデル (LLM) の力を活用する、流行監視への新しいアプローチを紹介します。
私たちはいくつかの LLM を調査し、貴重な流行情報を抽出する能力を評価します。
インコンテキスト学習を使用して LLM の機能をさらに強化し、複数のオープンソース LLM を組み込んだアンサンブル モデルのパフォーマンスをテストします。
この調査結果は、LLM が流行のモデリングと予測の精度と適時性を大幅に向上させ、将来のパンデミックイベントを管理するための有望なツールを提供できることを示しています。

要約(オリジナル)

This paper presents a novel approach to epidemic surveillance, leveraging the power of Artificial Intelligence and Large Language Models (LLMs) for effective interpretation of unstructured big data sources, like the popular ProMED and WHO Disease Outbreak News. We explore several LLMs, evaluating their capabilities in extracting valuable epidemic information. We further enhance the capabilities of the LLMs using in-context learning, and test the performance of an ensemble model incorporating multiple open-source LLMs. The findings indicate that LLMs can significantly enhance the accuracy and timeliness of epidemic modelling and forecasting, offering a promising tool for managing future pandemic events.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google