SNOW는 대규모 언어 모델(LLM) 기반의 모듈형 다중 에이전트 시스템으로, 인간의 개입 없이 비정형 의료 기록(EHR)의 비정형 노트에서 구조화된 임상 특징을 자율적으로 생성합니다. Stanford Healthcare의 147명 환자의 5년 전립선암 재발 예측 과제에서, 수동 임상 특징 생성(CFG)과 비교 평가되었으며, 수동 CFG(AUC-ROC: 0.771)에 준하는 성능(0.761)을 달성했습니다. 이는 기준 특징(0.691) 및 모든 RFG 접근 방식을 상당히 능가하는 결과입니다. SNOW는 특징 발견, 추출, 검증, 후처리 및 집계를 담당하는 특수 에이전트를 통해, 수동 검토를 통해서만 접근 가능한 복잡한 임상 정보를 포착하는 해석 가능한 특징을 생성합니다.
