MythTriage：视频分享平台上阿片类药物使用障碍谣言的可扩展检测

了解在线健康话题中错误信息的流行情况可以为公共卫生政策和干预措施提供依据。然而，大规模测量此类错误信息仍然是一项挑战，特别是对于阿片类药物使用障碍（OUD）这类高风险但研究不足的话题——这是美国的主要死因。我们首次对 YouTube（一个广泛使用的健康信息平台）上的 OUD 相关谣言进行了大规模研究。我们与临床专家合作，验证了 8 个普遍存在的谣言，并发布了一个专家标注的视频数据集。为了扩展标注规模，我们引入了 MythTriage，这是一个高效的分诊流水线，它使用轻量级模型处理常规案例，并将较难的案例推迟给高性能但成本较高的大语言模型（LLM）处理。MythTriage 实现了高达 0.86 的宏 F1 分数（macro F1-score），同时据估计与专家标注和完全使用 LLM 标注相比，减少了超过 76% 的标注时间和财务成本。我们分析了 2.9K 条搜索结果和 343K 条推荐内容，揭示了谣言在 YouTube 上的持续存在方式，并为公共卫生和平台审核提供了可操作的见解。