심부전 특징 추출을 위한 증거 기반 파이프라인: 데이터 연계 분석

Tracing the Heart: An Evidence-Linked Pipeline for Heart-Failure Feature Engineering

전자 건강 기록(EHR)의 특징 추출은 임상 연구 및 인공지능 분야에서 주요 병목 현상이며, 데이터 과학자의 업무량 중 39~45%를 차지합니다. 이는 특히 심부전 환자에게 더욱 두드러지는데, 미국 성인 인구 약 670만 명이 영향을 받으며, 단편화된 EHR 데이터를 질병 특이적이고 가이드라인 기반의 임상적 판단과 통합해야 하기 때문입니다. 기존의 규칙 기반 및 대규모 언어 모델(LLM) 기반 접근 방식은 부분적인 자동화만 제공하며 유지 관리성이 낮고 증거 추적이 어렵습니다. 본 연구에서는 증거 기반의, 평가 기준에 근거한 자동 심부전 특징 추출 파이프라인인 Nimblemind Multi-Agent System (nMAS)을 개발하고, 9개의 EHR 데이터 소스 테이블에서 수집된 500건의 가상 환자 기록으로 성능을 평가했습니다. nMAS는 132개의 구조화된 특징과 70개의 평가 기준 점수가 부여된 통합된 특징을 생성했으며, 구조적 무결성, 평가 기준 준수 여부 및 데이터 출처를 검증하고 제한적인 LLM을 통해 감사를 수행했습니다. 생성된 통합된 특징들을 추가했을 때, HFrEF(Heart Failure with reduced Ejection Fraction) 환자의 경우 AUROC 값이 0.895에서 0.963으로, HFpEF(Heart Failure with preserved Ejection Fraction) 환자의 경우 0.870에서 0.910으로 향상되었습니다. 독립적인 LLM 기반 평가 시스템은 생성된 특징들의 증거 지원 정도와 방법론적 타당성을 평가하여 최고 점수의 81.5%를 부여했습니다. 이러한 결과는 복잡한 심혈관 EHR 데이터에 대한 자동화되고 감사 가능한 특징 추출의 가능성을 보여주지만, 본 연구는 단일 기관 코호트를 대상으로 진행되었으며 외부 검증이 필요합니다.

Electronic health record (EHR) feature engineering is a major bottleneck in clinical research and AI, accounting for 39-45% of data scientists' workload. This is especially pronounced in heart failure, which affects an estimated 6.7 million U.S. adults and requires integrating fragmented EHR data with disease-specific, guideline-based clinical reasoning. Existing rule-based and large language model (LLM)-based approaches offer only partial automation with limited maintainability and evidence traceability. We developed the Nimblemind Multi-Agent System (nMAS), an evidence-linked, rubric-grounded pipeline for automated heart-failure feature engineering, and evaluated it on 500 dummy patient records from nine EHR source tables. nMAS generated 132 structured and 70 rubric-scored aggregated features, verified for structural integrity, rubric compliance, and provenance, and audited by a restricted LLM. Adding the aggregated features improved held-out AUROC from 0.895 to 0.963 for HFrEF and 0.870 to 0.910 for HFpEF phenotyping, and an independent LLM-based rubric assessment of evidence support and methodological soundness scored the features at 81.5% of maximum points. These results demonstrate the feasibility of automated, auditable feature engineering for complex cardiovascular EHR data, though evaluation was limited to a single-institution cohort and external validation is needed.