자율적 LLM 가이드 트리 검색을 활용한 다중 병원체 전향적 질병 예측

요약

본 연구는 전문가의 수동 모델 큐레이션 없이 LLM 가이드 트리 검색을 통해 질병 예측 소프트웨어를 자율적으로 생성, 평가 및 최적화하는 시스템을 제안합니다. 이 시스템은 인플루엔자, COVID-19, RSV 등 다양한 병원체에 대해 CDC의 표준 앙상블과 대등하거나 이를 능가하는 예측 성능을 보여주었습니다. 특히 데이터가 부족한 상황에서도 효과적이며, 역학 이론을 투명한 코드로 자동 변환하여 모델링의 병목 현상을 해결합니다.

핵심 포인트

• LLM 가이드 트리 검색을 활용하여 예측 모델을 자율적으로 생성하고 최적화하는 프레임워크 제시
• 인플루엔자, COVID-19, RSV 등 다중 병원체에 대해 CDC 허브 앙상블 수준의 성능 달성
• 데이터가 부족한 '콜드 스타트' 시나리오(RSV)에서도 성공적인 예측 수행
• 로그 스케일 거리 지표 최적화를 통해 보상 해킹(reward hacking) 방지 및 구조적 충실도 확보