挖掘社交媒体数据,研究流感疫苗的有效性,使用大型语言模型和思维链促进
Dongfang Xu1, Guillermo López García1, Karen O'Connor2
1Cedars-Sinai Medical Center, Los Angeles, CA.
AMIA ... Annual Symposium proceedings. AMIA Symposium
|February 23, 2026
概括
大型语言模型 (LLM) 现在可以通过分析社交媒体数据实时估计流感疫苗 (VE) 的有效性. 这种创新方法提供了一个更快,更具代表性的公共卫生监测工具.
科学领域:
- 公共卫生 公共卫生
- 计算流行病学计算流行病学
- 人工智能的人工智能
背景情况:
- 估计流感疫苗有效性 (VE) 对公共卫生政策至关重要.
- 目前的 VE 估计方法面临着诸如有限的数据表示和报告延迟等挑战.
研究的目的:
- 探索使用大型语言模型 (LLM) 进行实时流感VE估计,采用几次射击的思维链 (CoT) 提示.
- 挖掘社交媒体数据,以改善流感监测.
主要方法:
- 在2020-2021年流感季节的4000多条推文中,对流感疫苗接种状态和测试结果进行了注释.
- 开发并测试基于LLM的CoT提示数据提取策略.
- 将LLM的性能与传统的监督微调方法进行比较.
主要成果:
- 在推特注释过程中实现了高层次的注释者间协议.
- 最好的LLM提示策略在识别疫苗接种状态和测试结果方面达到F1得分超过87%.
- 法学士的方法显著超过了传统的方法.
结论:
- 基于LLM的提示是提取流感VE估计相关社交媒体信息的有效方法.
- 这种方法提供了一个有价值的实时监测工具,补充了传统的流行病学.
- 通过快速数据分析,LLM提供了一条有希望的途径,以加强公共卫生决策.


