본 논문은 대규모 언어 모델(LLM)을 의료 분야에 적용하는 데 있어 증거 기반 의학(EBM)의 중요성을 강조하며, 기존 증거 기반 의학의 어려움인 분산된 증거 수집 및 복잡한 질의에 대한 효율적인 증거 구성 문제를 해결하기 위한 새로운 접근법을 제시합니다. 이를 위해 LLMs를 이용하여 여러 출처에서 산재된 증거를 수집하고, 복잡한 관계를 포착하는 지식 하이퍼그래프 기반 증거 관리 모델을 제안합니다. 또한, 복잡한 질의에 대한 지원을 강화하기 위해, LLM을 활용하여 다양한 중요도 점수를 가진 증거 특징을 생성하고 이를 통해 증거를 순위 매기는 Importance-Driven Evidence Prioritization (IDEP) 알고리즘을 개발했습니다. 여섯 개의 데이터셋을 이용한 실험 결과, 제안된 접근법이 의학 퀴즈, 환각 감지, 의사결정 지원 등 EBM 관련 응용 분야에서 기존 RAG 기술보다 우수한 성능을 보임을 입증했습니다. 제작된 지식 그래프와 테스트셋은 제공된 링크에서 접근 가능합니다.
