증거 기반 질병 특화 지식 그래프 구축

본 논문은 ‘EvidenceNet’이라는 프레임워크와 두 개의 질병 특화 데이터셋(EvidenceNet‑HCC, EvidenceNet‑CRC)을 제시한다. 기존의 PrimeKG, Hetionet, TarKG 등 일반 목적 지식 그래프는 수백만 개의 삼중항(주어‑동사‑목적어) 형태로 지식을 압축하지만, 연구 설계, 인구통계, 통계적 근거와 같은 증거의 맥락을 손실한다. 이러한 한계는 근거 기반 의학에서 PICO(인구, 중재, 비교, 결과) 구조가 필수적인데, 이를 그래프에 반영하지 못하면 임상 의사결정이나 메커니즘 기반 약물 탐색에 부적합하다. 따라서 저자들은 전자 논문 전체 텍스트에서 실험 기반 발견을 직접 추출해 ‘Evidence Node’를 중심으로 하는 증거‑중심 지식 그래프를 구축하고자 했다. EvidenceNet 파이프라인은 네 단계로 구성된다. 1) 데이터 전처리 단계에서는 PubMed‑indexed 전자 논문의 PDF를 메타데이터와 함께 파싱하고, 섹션 구분·오버랩 청킹을 통해 실험 서술이 집중된 텍스트 조각을 만든다. 2) LLM‑구동 증거 추출 단계에서는 고성능 대형 언어 모델을 Few‑Shot 프롬프트와 결합해 각 청크에서 PICO 요소, 연구 설계, 통계값 등을 구조화된 형태로 추출한다. 여기서는 명시적 실험 결과만을 대상으로 하여 배경 서술을 배제하고, 동일 논문 내 중복 서술을 집계·정제한다. 3) 정규화·점수화 단계에서는 추출된 엔티티를 TarKG와 같은 외부 온톨로지에 매핑하고, 동의어·심볼 표준화·퍼지 매칭을 수행한다. 동시에 연구 설계, 저널 임팩트 팩터, 통계적 유의성, 샘플 크기, LLM 신뢰도 등을 가중합해 복합 품질 점수를 산출하고, 이를 A‑D 네 단계의 증거 등급으로 변환한다. 4) 통합·그래프 구축 단계에서는 기존 그래프와의 중복 검출(지문·시맨틱 매칭)과 증거‑증거 관계(지원, 반박, 확장, 정제, 복제, 인과 체인) 유도를 수행한다. 관계 후보는 규칙 기반으로 먼저 제시하고, 모호하거나 높은 유사성을 보이는 경우 LLM 검증을 거쳐 최종 결정한다. 기술 검증에서는 필드‑레벨 추출 정확도 98.3%, 엔티티 정규화 정확도 100%, 증거 융합 무결성 87.5%, 관계 유형 정확도 90%를 기록했다. 두 데이터셋은 각각 HCC(7,872 증거, 10,328 노드, 49,756 엣지)와 CRC(6,622 증거, 8,795 노드, 39,361 엣지)를 포함한다. 다운스트림 평가에서는 내부·외부 Retrieval‑Augmented Question Answering(RA‑QA)에서 기존 베이스라인 대비 정확도가 크게 향상되었으며, 그래프 기반 링크 예측 실험에서도 미래에 등장할 잠재적 엔티티 연결을 높은 재현율로 회복했다. 특히 시간‑슬라이스 실험에서 HCC·CRC의 신흥 치료 표적을 일반 TarKG보다 먼저 식별함으로써 가설 생성과 표적 발굴에 실질적 가치를 입증했다. 결론적으로 EvidenceNet은 (1) 실험 기반 증거를 그래프의 기본 단위로 전환해 근거의 깊이를 보존하고, (2) 정량적 품질 점수를 통해 증거의 신뢰성을 객관화하며, (3) 증거‑증거 간 의미 관계를 명시적으로 모델링함으로써 구조적·시맨틱 양면의 추론을 가능하게 한다. 이는 정밀 의학, 임상 의사결정 지원, 메커니즘 기반 신약 탐색 등 다양한 바이오메디컬 응용 분야에서 기존 지식 그래프가 제공하지 못한 증거‑중심의 풍부한 정보를 제공한다는 점에서 중요한 진전이라 할 수 있다.