面向健康仿真个性化解释的以利益相关者为中心的摘要混合方法框架

建模与仿真 (M&S) 方法（如基于智能体的模型）在支持健康领域的决策活动方面具有巨大潜力，最近的例子包括疫苗的采用，以及关于健康饮食行为和身体活动行为的大量文献。这些模型可被不同的利益相关者群体使用，因为它们支持政策制定者估计潜在干预的后果，并能指导个体在复杂环境中做出健康选择。然而，由于模型的复杂性，这一潜力可能无法完全实现，这使得本可从中受益最多的利益相关者无法使用它们。虽然大型语言模型 (LLM) 可以将仿真输出和模型设计转化为文本，但当前的方法通常依赖于一刀切的摘要，未能反映临床医生、政策制定者、患者、护理者和健康倡导者各异的信息需求和风格偏好。这一局限性源于一个根本性差距：我们缺乏对这些利益相关者从解释中需要什么以及如何相应地进行定制的系统性理解。为了解决这一差距，我们提出了一个逐步框架，以识别利益相关者需求并指导 LLM 生成针对健康仿真的定制解释。我们的流程采用混合方法设计，首先引出不同健康利益相关者的解释需求和风格偏好，然后优化 LLM 生成定制输出的能力（例如，通过可控属性调优），最后通过全面的指标范围进行评估，以进一步改进摘要的定制生成。