본 논문은 의생명 분야에서 대규모 언어 모델(LLMs)의 활용 가능성을 제시하면서, 상관관계에 의존하는 기존 LLMs의 한계를 극복하고 인과 관계를 이해하는 LLMs 에이전트 개발의 필요성을 강조한다. 이를 위해 다양한 모달리티의 데이터(텍스트, 이미지, 유전체 정보 등)를 통합하고 개입 기반 추론을 수행하여 인과 관계를 추론하는 LLMs 에이전트 개발 방향을 제시한다. 안전하고 제어 가능한 에이전트 프레임워크 설계, 인과 관계 평가를 위한 엄격한 벤치마크 개발, 이종 데이터 소스 통합, LLMs와 지식 그래프(KGs) 및 형식적 인과 추론 도구의 시너지 효과 창출 등의 주요 과제를 다룬다. 이러한 에이전트는 약물 발견 가속화, 개인 맞춤 의학 실현 등 혁신적인 기회를 제공할 것으로 기대된다.
