EpiNarrate to nowy framework oparty na podejściu agentic, który automatycznie tworzy spójne i faktycznie poprawne raporty zdrowia publicznego z wielowymiarowych zbiorów danych epidemiologicznych. Problem, który rozwiązuje, jest fundamentalny - bezpośrednie użycie dużych modeli językowych do podsumowania złożonych projekcji epidemiologicznych prowadzi do niespójności, pominięć i niepredywidywalnych błędów, które mogą mieć poważne konsekwencje dla komunikacji publicznej i decyzji politycznych.
System działa dwustopniowo. Najpierw ekstrahuje osie scenariuszy (różne interwencje, dane geograficzne, populacyjne, czasowe, kwantyle niepewności) i organizuje je w schematyczną strukturę, która umożliwia systematyczne przeglądanie całej wielowymiarowej przestrzeni danych. Następnie konstruuje wzbogacony zbiór danych i generuje ilościowe stwierdzenia poprzez specjalną gramatykę porównań, która wymusza semantyczną i arytmetyczną spójność - innymi słowy, wszystkie liczby w tekście pozostają logicznie spójne względem siebie. Dodatkowy mechanizm oparty na maksymalnej entropii wybiera najciekawsze informacje, aby uniknąć redundancji przy zachowaniu kompletnemu pokrycia.
Badania na danych z COVID-19 Scenario Modeling Hub wykazały, że EpiNarrate produkuje narracje z lepszym ugruntowaniem faktycznym i szerszym pokryciem informacji w stosunku do podejść bazowych. To ma konkretne znaczenie dla komunikacji kryzysowej i planowania zdrowia publicznego - raporty są jednocześnie dostępne dla szerokiej publiki i precyzyjne dla ekspertów, bez błędów w danych, które mogłyby podważić wiarygodność komunikacji.