메드비즈 시각·에이전트 기반 생물의학 문헌 탐색 도우미

초록

메드비즈는 대규모 생물의학 논문을 2차원 의미 지도에 시각화하고, 사용자가 선택한 영역을 기반으로 다중 LLM 에이전트가 질문 답변·요약·가설 생성 등을 수행하도록 설계된 인터랙티브 시각 분석 시스템이다.

상세 분석

본 논문은 기존 텍스트 기반 검색 엔진이 제공하는 순위 리스트가 전 세계적인 주제 구조와 흐름을 파악하기에 한계가 있다는 점을 출발점으로 삼는다. 이를 극복하기 위해 메드비즈는 세 가지 핵심 모듈을 결합한다. 첫째, 대규모 데이터 파이프라인에서는 PubMed·CrossRef·iCite 등에서 메타데이터와 초록을 수집하고, 사전학습된 sentence‑transformers 모델로 고차원 의미 임베딩을 생성한다. 이후 LargeV is 혹은 OpenTSNE와 같은 비선형 차원 축소 기법을 이용해 2D 좌표로 투영하고, 계층적 군집화를 통해 토픽 클러스터를 형성한다. LLM을 활용한 자동 라벨링 단계에서는 각 클러스터에 인간이 이해하기 쉬운 주제명을 부여한다. 두 번째 시각 분석 인터페이스는 WebGL·Three.js 기반의 포인트 클라우드 뷰어를 제공한다. 1백만 개 이상의 논문을 실시간으로 렌더링하면서 연도·인용수·키워드 등 메타데이터에 따라 색상·크기·투명도를 조절할 수 있다. 사용자는 키워드 검색, 영역 드래그, 클러스터 클릭 등을 통해 관심 영역을 명시적으로 정의하고, 동일한 의미 좌표계를 유지한 채 시간 슬라이스를 적용해 주제의 진화 과정을 직관적으로 관찰한다. 세 번째는 컨텍스트‑어웨어 멀티‑에이전트 프레임워크이다. 중앙의 Scholar 에이전트가 사용자의 질의와 현재 시각적 컨텍스트(선택된 논문, 클러스터, 시간 범위)를 해석하고, 이를 Evidence, Analytical, Discovery 등 전문 에이전트에게 서브태스크로 분배한다. Evidence 에이전트는 선택된 논문에서 구조화된 정보를 추출하고, Analytical 에이전트는 통계·추세 분석을 수행하며, Discovery 에이전트는 숨겨진 연관성·연구 격차를 탐색한다. 중요한 점은 에이전트가 텍스트 응답뿐 아니라 시각 인터페이스에 직접 명령(클러스터 강조, 라벨 추가, 타임라인 조정 등)을 전달한다는 것이다. 이로써 사용자는 “질문 → 시각 선택 → 에이전트 분석 → 시각 피드백”의 순환 과정을 반복하며, 탐색 과정 전체가 투명하게 드러난다. 기술적 측면에서 메드비즈는 데이터 파이프라인( pandas, NumPy, sentence_transformers, LargeV is, datashader), 백엔드(FastAPI, OpenAI API) 및 프론트엔드(Vue.js, d3.js, ECharts) 등 최신 오픈소스 스택을 조합해 확장성과 재현성을 확보한다. 또한, 사용자 정의 컬렉션을 지원하고 Docker 기반 로컬 배포가 가능하도록 설계돼 연구실 환경에 손쉽게 적용할 수 있다. 논문은 향후 지식 그래프 연계, 멀티모달 데이터(이미지·유전체) 통합, 메타분석 자동화 등으로 기능을 확장할 계획을 제시한다. 전체적으로 메드비즈는 “시각‑에이전트 결합”이라는 새로운 패러다임을 제시함으로써, 대규모 생물의학 문헌 탐색을 탐색적·분석적 작업으로 전환하고, 연구자의 인지 부하를 크게 감소시키는 동시에 결과의 투명성과 재현성을 높인다.