利用新型信息检索和人工智能工具加速地平线扫描
信息检索
2025-04-03 v1 人工智能
计算与语言
摘要
引言：医疗保健领域的地平线扫描评估创新的早期信号，对于及时采用至关重要。当前的地平线扫描在高效信息检索和分析方面面临挑战，尤其是来自新闻等非结构化来源的信息，这需要创新的工具。方法：本研究介绍了SCANAR和AIDOC，这两个基于Python的开源工具旨在改进地平线扫描。SCANAR自动化新闻文章的检索和处理，提供去重和无监督相关性排序等功能。AIDOC通过利用AI根据相关性重新排序文本数据，采用神经网络进行语义相似性计算，并随后优先排列可能相关的条目以供人工审查，从而辅助过滤。结果：使用了来自地平线扫描的十二个内部数据集和四个外部基准数据集。SCANAR通过自动化以前依赖人工的流程提高了检索效率。AIDOC显示出节省工作量的潜力，在95%召回率下，人工审查工作量减少了约62%。与基准数据的比较分析显示，AIDOC的性能与现有的系统评价自动化工具相似，但性能因数据集特征而异。在我们新闻数据集上的一个小型案例研究表明，在主动学习过程中集成大语言模型有可能更快地检测新闻数据集中的相关文章。结论：验证表明，SCANAR和AIDOC通过简化数据检索和优先级排序，显示出提高地平线扫描效率的潜力。这些工具可能缓解方法论上的限制，并允许更广泛、更迅速的地平线扫描。建议进一步研究以优化这些模型，并设计集成大语言模型的新工作流程和验证流程。
引用
@article{arxiv.2504.01627,
title = {Horizon Scans can be accelerated using novel information retrieval and artificial intelligence tools},
author = {Lena Schmidt and Oshin Sharma and Chris Marshall and Sonia Garcia Gonzalez Moral},
journal= {arXiv preprint arXiv:2504.01627},
year = {2025}
}