본 논문은 공개적으로 이용 가능한 의료 데이터의 급증으로 인해 의료 전문가들이 최신 지식을 체계적으로 검토하고 이해하는 데 어려움을 겪는 문제를 해결하기 위해, 대규모 언어 모델(LLM) 기반의 정보 추출 및 자동 지식 그래프(KG) 생성 방법을 제시합니다. 44개의 PubMed 초록을 대상으로 LLM 에이전트 파이프라인을 통해 의미있는 명제 문장으로 분해하고, 이를 통해 KG 트리플을 추출합니다. 개방형 도메인 및 온톨로지 기반 정보 추출 방법을 결합하여 온톨로지 범주를 통합하고, 컨텍스트 변수를 추가하여 트리플을 쿼드러플로 향상시킵니다. 향상된 트리플에서 생성된 문장과 원래 명제 문장 간의 코사인 유사도는 평균 0.874로 높은 정확도를 보였으며, 컨텍스트 변수 추가를 통해 유사도가 증가했습니다. 또한, LLM이 지식 그래프의 새로운 관계를 추론하고 클러스터를 연결하는 능력을 탐구하여 실시간으로 업데이트되는 중앙 집중식 지식 소스를 의료 전문가에게 제공하는 방안을 제시합니다.
