본 논문은 YouTube에서의 아편류 사용 장애(OUD) 관련 잘못된 정보의 유병률에 대한 최초의 대규모 연구를 제시합니다. 임상 전문가들과 협력하여 8가지 널리 퍼진 잘못된 정보들을 검증하고, 전문가가 라벨링한 비디오 데이터 세트를 공개합니다. 효율적인 라벨링을 위해, 가벼운 모델을 사용하여 일반적인 경우를 처리하고 어려운 경우는 고성능이지만 비용이 많이 드는 대규모 언어 모델(LLM)에 위임하는 MythTriage라는 분류 파이프라인을 도입했습니다. MythTriage는 최대 0.86의 매크로 F1 점수를 달성했으며, 전문가 및 전체 LLM 라벨링에 비해 주석 시간과 재정적 비용을 76% 이상 절감하는 것으로 추정됩니다. 2,900개의 검색 결과와 343,000개의 추천을 분석하여 YouTube에서 잘못된 정보가 지속되는 방식을 밝히고 공중 보건 및 플랫폼 조정을 위한 실행 가능한 통찰력을 제공합니다.
