《ACS Chemical Health & Safety》:Pilot Study of an AI-Assisted Open-Source Intelligence Pipeline for Detecting Chemical and Radiological Threat Signals
编辑推荐:
背景:及时检测化学和辐射威胁对全球公共卫生至关重要。这些事件突然发生、跨越国界,并可能超出响应能力,然而目前尚不存在全球性的事件监测系统来检测化学和辐射威胁。许多事件最初或仅通过新闻和社交媒体(统称为开源情报(OSINT))被发现。开源情报(OSINT)提供了
背景:及时检测化学和辐射威胁对全球公共卫生至关重要。这些事件突然发生、跨越国界,并可能超出响应能力,然而目前尚不存在全球性的事件监测系统来检测化学和辐射威胁。许多事件最初或仅通过新闻和社交媒体(统称为开源情报(OSINT))被发现。开源情报(OSINT)提供了一种近实时的信号源,可扩展用于系统提取和结构化有限数据。本研究评估了人工智能(AI)辅助的开源情报(OSINT)管道用于检测和表征化学和辐射信号的可行性。方法:一个包含45个通俗易懂的搜索词的词典从2024年8月到2025年1月查询了必应新闻应用程序编程接口(API)。检索到的文章使用GPT-4o进行抓取和摘要,非英语文章使用谷歌翻译进行翻译。采用人工参与的工作流程进行验证和结构化数据提取。流行病学变量被手动提取到Microsoft Excel v.2410中,在STATA/BE 18.0中进行分析,并使用ArcGIS Pro v.3.1进行地图绘制。此处应用的提取管道在一项配套研究中以人类注释的金标准进行了验证。结果:共识别出802起独特事件(797起与化学相关,5起与辐射相关)。美国(60.0%)、印度(10.8%)和英国(9.2%)占了报告事件的大部分,这反映了媒体和语言偏差,而非真实发生率。常见场所包括城市街道(19.8%)、私人住宅(15.0%)和高速公路(7.2%)。大多数事件是意外事件(90.1%),常涉及未知气体(43.6%),并导致至少1968人受影响(647人非住院受伤,1030人住院,291人死亡)。蓄意事件中最常涉及酸攻击(主要由男性施害者实施)和胡椒喷雾攻击(主要由女性施害者实施)。结论:这项初步研究证明了将大型语言模型集成到基于开源情报(OSINT)的事件检测管道中用于化学和辐射威胁的可行性。虽然不适用于估算真实的全球发生率,但这种方法能够实现可扩展的近实时公共卫生信号检测,并可能支持早期预警系统和态势感知。
**论文解读:人工智能辅助开源情报管道用于检测化学和辐射威胁信号的初步研究**
**研究背景、问题与目的**
化学和辐射事件(无论是意外泄露、运输事故,还是蓄意攻击、犯罪破坏)对人群健康、生态系统和关键基础设施构成持续威胁,可导致急性伤害与死亡,也可引发长期环境污染和服务中断。随着工业扩张、危险物质运输、城市化及政治不稳定,此类事件在全球范围内的频率和多样性不断增加。然而,目前全球范围内对化学和辐射事件的监测仍然分散且不协调。传统的基于指标和症状的监测系统依赖验证数据,往往导致数据延迟、不完整或被审查。相比之下,基于事件的监测(EBS)能够通过非正式来源(如新闻媒体、网站或社交媒体,统称为开源情报(OSINT))捕捉信息,并独立于官方报告意愿,提供近实时的态势感知。尽管OSINT已在传染病监测中显示出提前预警的优势,但类似方法尚未系统应用于非传染性危害,且全球尚无针对化学和辐射事件的EBS系统。新兴的人工智能(AI)工具(如大型语言模型(LLM))为加强此类事件的检测提供了机遇。本研究旨在评估将AI辅助的OSINT管道整合到化学和辐射威胁事件检测中的可行性,具体评估该工作流能否支持及时检测、结构化和表征此类威胁事件,并探索此类系统所能产生的信号类型。论文发表在《ACS Chemical Health》。
**主要关键技术方法**
研究人员采用了一项基于人工智能辅助开源情报(OSINT)的管道设计。首先,通过制定包含45个通俗易懂的搜索词的词典,在2024年8月至2025年1月期间通过必应新闻应用程序编程接口(API)进行数据采集(市场设定为en-US,返回英语文章)。其次,利用OpenAI的GPT-4o大型语言模型(LLM)对检索到的文章进行URL抓取、文本摘要和初步属性结构化(固定提示,温度=0.0,top_p=0.1)。非英语文章使用谷歌翻译处理。然后,采用人工参与的工作流程,研究人员对所有GPT-4o输出进行审核验证,并进行结构化数据手动提取(包括国家、地区、城市、化学/辐射剂、事件类别、地点、意外/蓄意、物理状态、临床表现、健康指标(非住院受伤、住院、死亡)和受影响动物等)。数据使用Microsoft Excel v.2410存储,STATA/BE 18.0进行统计分析(包括事件频率、人均率、社会经济相关性分析(Spearman秩相关、Kruskal-Wallis检验)),并使用ArcGIS Pro v.3.1进行地理空间制图。该提取管道已在一项配套研究中与人类注释的金标准进行了验证(事件识别F1=0.95,Cohen's κ=0.91)。
**研究结果**
**化学和辐射事件**:从2666篇相关文章中识别出802起独特事件(797起化学相关,5起辐射相关)。事件分布在47个国家,但高度集中于美国(60.0%)、印度(10.8%)和英国(9.2%),这与媒体和语言偏差有关。按人均标准化后,爱尔兰事件率最高(每百万人口2.045起)。事件最常见于城市街道(19.8%)、私人住宅(15.0%)和高速公路(7.2%)。按场所分类,非工业场所(43.9%)最多,工业场所(21.8%)次之。最常涉及的化学/剂是未知气体(43.6%)、一氧化碳(8.5%)和油(6.5%)。物理状态以气体(67.0%)为主。90.1%的事件为意外事件,9.9%为蓄意攻击。蓄意事件中最常涉及酸(37.8%),男性施害者更常使用酸,女性施害者更常使用胡椒喷雾。所有事件共导致至少1968人受影响(647人非住院受伤,1030人住院,291人死亡)。工业场所事件导致最高的伤亡人数(101人死亡)。社会经济分析显示,人类发展指数(HDI)与事件率(每百万人口)呈弱正相关(ρ=0.39,p=0.007),高收入国家事件率显著更高(Kruskal-Wallis检验p=0.008),但受影响个体的人均负担在各收入组间无显著差异。
**芬太尼与全氟和多氟烷基物质(PFOS/PFAS)/“永久化学品”事件**:在552篇芬太尼相关文章中,79.2%涉及刑事犯罪,19.4%涉及社区问题,1.4%为科学文章。在338篇PFOS/PFAS相关文章中,46.7%涉及社区意识,27.2%为科学文章,14.2%涉及刑事犯罪,11.8%涉及全球污染。
**讨论与结论**
**讨论总结**:本研究展示了AI辅助OSINT管道在检测化学和辐射威胁方面的潜力与局限性。6个月内识别出802起事件,高于此前一项5.5年研究中的1592起,但方法学差异(数据源、病例定义、纳入广度)导致不可直接比较。事件分布受媒体可见性影响,而非真实发生率。大多数事件发生在非工业环境(城市街道、住宅等),未知气体占主导。蓄意事件虽然占少数,但揭示了毒理学与人际暴力的交叉。工业场所事件造成最高的伤亡负担。社会经济分析表明高收入国家事件报告率更高,但人均健康影响在各收入组间相似。辐射事件检测稀少(5起),反映了英语OSINT中辐射信号的稀缺性,以及通用LLM在辐射实体提取上的性能限制。芬太尼和PFOS/PFAS事件反映了OSINT不仅捕捉突发事件,也反映公共话语。该管道通过人工参与的工作流平衡了可扩展性与准确性,但存在局限性:依赖英语媒体、LLM幻觉风险、6个月横截面快照无法捕捉时间趋势、缺乏验证性比较数据集。该管道最适用于急性、离散、广泛报道的事件,在低资源或政治受限地区、非英语报道、慢性暴露及低频辐射类别中检测能力有限。实际应用包括支持早期预警系统、增强态势感知、生成结构化数据集供下游分析。未来需扩展多语言搜索、改进术语、优化实体提取,并整合现有公共卫生与化学、生物、放射性和核(CBRN)预警系统。
**结论翻译**:本研究呈现了人工智能辅助开源情报(OSINT)管道用于检测化学和辐射威胁的初步评估。研究结果表明,将大型语言模型(LLM)集成到人工参与的工作流中是可行的,并且能够支持对非结构化多语言数据的可扩展处理。尽管由于固有的报告偏差,该方法不适用于估算真实的事件负担,但它提供了有价值的态势感知和早期检测能力。随着化学和辐射风险不断演变,这种混合监测方法可能在加强早期预警系统和支持及时公共卫生响应方面发挥重要作用。