AgentSLR: Революция в систематических обзорах литературы в эпидемиологии с помощью ИИ

Систематические обзоры литературы играют ключевую роль в консолидации научных знаний, но часто сталкиваются с такими проблемами, как высокие затраты, сложности в масштабировании и длительные сроки. Эти факторы могут препятствовать разработке основанных на доказательствах политик. Наше исследование изучает потенциал крупных языковых моделей для полной автоматизации процесса систематического обзора, включая извлечение статей, их отбор, извлечение данных и синтез отчетов. Сосредоточившись на обзорах, связанных с девятью приоритетными патогенами, определенными ВОЗ, мы проверили наш инструмент с открытым исходным кодом, AgentSLR, по сравнению с экспертными стандартами. Результаты показывают, что AgentSLR может достичь производительности, сопоставимой с человеческими исследователями, при этом значительно сокращая время, необходимое для обзоров, с примерно семи недель до всего 20 часов, что обеспечивает впечатляющее увеличение скорости в 58 раз. Мы также проанализировали пять передовых моделей и обнаружили, что эффективность систематических обзоров литературы зависит больше от уникальных возможностей каждой модели, чем от их размера или операционных затрат. С помощью подхода с участием человека мы выявили критические области, где возникают ошибки. Наше исследование подчеркивает потенциал агентного ИИ для значительного повышения эффективности синтеза научных доказательств в специализированных областях.