Prospective multi-pathogen disease forecasting using autonomous LLM-guided tree search

작성자

Haebom

카테고리

Empty

저자

Sarah Martinson, Michael P. Brenner, Martyna Plomecka, Brian P. Williams, Nicholas G. Reich, Zahra Shamsi

💡 개요

본 논문은 전문가 팀의 노동 집약적인 수동 모델 개발 방식에서 벗어나, 대규모 언어 모델(LLM)을 활용한 자동 트리 탐색 시스템을 제안합니다. 이 시스템은 실행 가능한 예측 소프트웨어를 반복적으로 생성, 평가 및 최적화하며, 2025-2026년 미국 호흡기 질환 시즌 동안 인플루엔자, COVID-19, RSV에 대한 다양한 방법론의 모델들을 자율적으로 발견했습니다.

🔑 시사점 및 한계

•

LLM을 활용한 자동 트리 탐색 방식은 질병 예측 모델 개발의 노동 병목 현상을 해소하고, 미지의 병원체나 세밀한 지역 단위의 예측을 가능하게 합니다.

•

자율적으로 생성된 모델들의 앙상블은 인간 전문가가 큐레이션한 기존의 최고 수준 모델과 동등하거나 우수한 예측 성능을 보였으며, 데이터가 부족한 신규 질병(cold start) 시나리오에서도 성공적으로 작동했습니다.

•

로그 스케일 거리 측정법 최적화를 통해 보상 해킹을 방지하고, 자동화된 심판(judge-in-the-loop)을 통해 복잡한 과학 이론에 대한 구조적 충실성을 보장하는 방법론이 제시되었습니다.

•

본 연구는 아직 초기 단계이며, LLM의 환각(hallucination) 가능성이나 복잡한 실제 상황에 대한 모델의 견고성 검증 등 추가적인 연구가 필요합니다.

PDF 보기

Made with Slashpage