본 논문은 대량 사상 사고(MCI) 시 생존율을 최대화하기 위한 핵심 의사 결정 과정인 트리아지(Triage)에 AI를 활용하기 위해, 충분한 양과 품질의 벤치마크 데이터셋 확보의 어려움을 해결하고자 LLM 기반의 트리아지 케이스 생성 프레임워크인 Syn-STARTS를 개발하고 그 효과를 검증했다. Syn-STARTS를 통해 생성된 트리아지 케이스는 기존 수집 데이터를 기반으로 수작업으로 큐레이션된 TRIAGE 데이터셋과 질적으로 구분되지 않았으며, START 표준 트리아지 방법론에 따른 각 카테고리(녹색, 노란색, 빨간색, 검은색)별 LLM 정확도 평가에서 높은 안정성을 보였다. 이는 심각하고 위급한 의료 상황을 위한 고성능 AI 모델 개발에 합성 데이터의 활용 가능성을 시사한다.
