Powering scientific discovery: BYOKG and GraphRAG for intelligent pharmaceutical research

🖼️ 인포그래픽

Powering scientific discovery: BYOKG and GraphRAG for intelligent pharmaceutical research 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

💡 한 줄 요약

분산된 제약·의료 연구 데이터를 자체 지식 그래프로 통합하고 그래프 기반 검색과 생성형 인공지능을 결합해, 자연어 질문에 근거 경로와 출처를 갖춘 답을 제공하는 연구 지원 방안을 설명한다.

📌 핵심 요약

초기 신약 탐색은 전통적 방법의 적중률이 약 5퍼센트에 불과하고 한 번의 선별에 6개월 이상이 걸리며, 논문·실험실 기록·유전체 데이터베이스가 분리되어 있어 중요한 연관성을 찾기 어렵다.
자체 지식 그래프 활용 방식은 식물, 화합물, 단백질, 유전자, 질병, 건강 효과, 논문 등의 관계를 하나의 연결망으로 구성해 공공 데이터와 독점 데이터를 함께 탐색하도록 한다.
그래프 기반 검색 증강 생성은 관련 노드와 관계를 따라가며 정보를 검색하고, 자연어 답변과 함께 인용 출처·그래프 탐색 단계·시각적 경로를 제시해 결과의 검증 가능성을 높인다.
예시 의료 그래프는 공개 의학 논문, 논문 메타데이터, 질병 온톨로지 계층, ICD-10 코드를 사용하며 질병·저자·논문·논문 조각·ICD-10 코드 노드로 구성된다.
구현 절차는 데이터 저장소 준비, 그래프 가져오기, 노트북 구성, 언어 모델 생성기와 지식 그래프 연결기 초기화, 자연어 질의 실행으로 이어지며 시간당 인프라 비용과 필수 권한도 함께 제시된다.

🧩 주요 포인트

초기 신약 탐색은 전통적 방법의 적중률이 약 5퍼센트에 불과하고 한 번의 선별에 6개월 이상이 걸리며, 논문·실험실 기록·유전체 데이터베이스가 분리되어 있어 중요한 연관성을 찾기 어렵다.
자체 지식 그래프 활용 방식은 식물, 화합물, 단백질, 유전자, 질병, 건강 효과, 논문 등의 관계를 하나의 연결망으로 구성해 공공 데이터와 독점 데이터를 함께 탐색하도록 한다.
그래프 기반 검색 증강 생성은 관련 노드와 관계를 따라가며 정보를 검색하고, 자연어 답변과 함께 인용 출처·그래프 탐색 단계·시각적 경로를 제시해 결과의 검증 가능성을 높인다.
예시 의료 그래프는 공개 의학 논문, 논문 메타데이터, 질병 온톨로지 계층, ICD-10 코드를 사용하며 질병·저자·논문·논문 조각·ICD-10 코드 노드로 구성된다.
구현 절차는 데이터 저장소 준비, 그래프 가져오기, 노트북 구성, 언어 모델 생성기와 지식 그래프 연결기 초기화, 자연어 질의 실행으로 이어지며 시간당 인프라 비용과 필수 권한도 함께 제시된다.

🧠 상세 정리

1. 제약 연구가 직면한 지식 단절 문제

제약 연구자는 출판 논문, 내부 실험실 기록, 유전체 데이터베이스 등 서로 다른 시스템에 흩어진 방대한 과학 지식을 연결해야 한다. 그러나 핵심 정보가 각각의 저장소에 고립되어 있어 전체 관계를 조망하거나 유망한 가설을 만드는 일이 어렵고, 같은 조사를 반복하거나 중요한 단서를 놓치기 쉽다. 연구자가 조직을 떠날 때 문서화되지 않은 경험과 암묵지가 함께 사라지는 문제도 발생해 연구의 연속성과 조직 기억이 약화된다. 규제 승인을 위해 필요한 증거의 흐름을 추적하기 어렵다는 점도 단순한 검색 효율을 넘어서는 제약이다. 원문은 이러한 파편화가 신약 발견 속도를 늦추고 연구개발 효율과 잠재적 치료제 개발 일정에 직접적인 병목을 만든다고 설명한다.

2. 초기 신약 발견의 낮은 성공률과 시간 비용

초기 신약 발견 단계에서 전통적 접근법의 적중률은 약 5퍼센트이며, 한 번의 초기 선별에는 6개월 이상이 소요된다고 제시된다. 연구자는 경쟁사와 시간 압박 속에서 펍메드 논문, 내부 실험 기록, 각종 생물학 데이터베이스에 묻힌 정보를 찾아 서로 연결해야 하지만, 분산된 환경에서는 관련 근거를 빠르게 종합하기 어렵다. 그 결과 이미 수행된 작업이 중복되고 잠재적으로 가치 있는 관계가 발견되지 않은 채 남을 수 있다. 또한 가설이나 결론이 어떤 논문과 데이터에서 출발했는지 일관된 증거 경로로 남기기 어려워 후속 검증과 규제 대응에도 부담이 생긴다. 원문은 낮은 적중률, 긴 선별 시간, 지식 시스템의 파편화, 조직 기억의 손실을 초기 연구 단계의 핵심 문제로 묶는다.

3. 그래프 기반 검색 증강 생성의 역할

제안된 접근법은 그래프 데이터 처리와 생성형 인공지능을 결합해 연구자가 복잡한 질문을 자연어로 입력하고 통합 지식 그래프에서 근거가 뒷받침된 답을 받도록 한다. 시스템은 단순히 관련 문서를 나열하는 데 그치지 않고, 화합물 상호작용과 유전자 발현, 임상 연구 등 서로 연결된 데이터 사이를 탐색해 질문과 관련된 정보 경로를 찾는다. 답변에는 출처 인용과 그래프 탐색 단계가 포함되므로 연구자는 시스템이 어떤 연구 자료와 관계를 거쳐 결론에 도달했는지 확인할 수 있다. 이러한 구조는 생성된 답변을 검증된 과학 데이터에 고정하고, 결과의 투명성과 재현 가능성을 높이는 데 목적이 있다. 원문은 이를 통해 정보 검색뿐 아니라 추론 보조, 가설 생성, 조직 지식 보존과 숨은 관계 발견까지 지원할 수 있다고 설명한다.

4. 자체 지식 그래프를 활용한 통합 구조

자체 지식 그래프 활용 방식은 사용자가 보유한 그래프 데이터 모델을 유지하면서 자연어 질의와 그래프 기반 검색을 결합하는 설계다. 지식 그래프는 식물, 화합물, 유전자, 단백질, 질병과 건강 효과 같은 개체를 노드로 표현하고, 개체 사이의 관계를 간선으로 연결한 구조화된 정보망이다. 이 구조에는 펍메드와 유전자 온톨로지 같은 공공 정보뿐 아니라 기업이 보유한 독점 데이터도 함께 통합할 수 있다. 자동 수집 절차와 그래프 알고리즘은 새로운 정보를 지속적으로 반영하고, 기존 데이터 저장소가 분리되어 있을 때 드러나지 않았던 복잡한 생물학적 관계를 찾도록 돕는다. 연구자는 자연어로 질문한 뒤 인용이 포함된 답변과 시각적 관계 경로를 살펴보며 가설에서 결론까지의 연결을 검증할 수 있다.

5. 의료 논문 데이터와 그래프 모델

예시 데이터셋은 질환과 주제에 관련된 의학 학술 논문을 빠르게 찾는 용도로 구성되며, 공개 접근이 허용된 의학 논문 자료와 미국 국립생물공학정보센터가 제공하는 논문 메타데이터를 포함한다. 여기에 질병 온톨로지의 계층 구조와 의료 문서에서 추출한 ICD-10 코드가 결합된다. 최종 그래프의 주요 노드는 질병, 저자, 논문, 논문 조각, ICD-10 코드로 구분되며, 질병 노드는 어떤 질병이 다른 질병의 하위 범주인지 파악할 수 있게 한다. 논문 조각은 기본 문서 분할 전략으로 나눈 텍스트 단위를 나타내고, ICD-10 노드는 표준화된 의료 문제 분류를 나타낸다. ICD-10 코드와 논문 또는 논문 조각 사이의 간선은 의료 개체 연결 절차로 생성되어 질환 코드와 실제 문헌 근거를 함께 탐색할 수 있게 한다.

6. 실행 환경과 비용 조건

실습을 시작하려면 명령줄 인터페이스 2.11.0 이상과 파이썬 3.9 이상, 그래프 검색 증강 생성 도구 모음 1.0.0 이상, 주피터 노트북 환경이 필요하다. 그래프 분석, 언어 모델 호출, 노트북 실행, 객체 저장소, 의료 문서 분석 기능에 접근할 수 있어야 하며, 각 서비스에 대응하는 전체 접근 또는 읽기 권한이 명시되어 있다. 비용 예시는 16 메모리 연산 단위로 구성한 그래프가 시간당 0.48달러이고, 중간급 노트북 인스턴스의 컴퓨팅 비용은 시간당 0.05달러로 제시된다. 5기가바이트 블록 스토리지 비용은 시간당 0.70달러로 적혀 있으며, 161메가바이트의 표준 객체 저장 비용은 월 약 0.0037달러로 계산된다. 언어 모델 사용료는 선택한 모델과 토큰 사용량에 따라 달라지므로 고정 비용 대신 최신 가격 정보를 확인하도록 안내한다.

7. 그래프 생성과 노트북 설정 절차

구축 과정은 먼저 객체 저장소 버킷을 만들고, 제공된 샘플 그래프 데이터를 자신의 버킷과 지정한 경로로 동기화하는 단계에서 시작한다. 다음으로 저장소의 데이터를 가져오는 그래프 생성 인터페이스를 호출해 분석용 그래프를 만들며, 최소 및 최대 프로비저닝 메모리를 모두 16으로 설정한다. 그래프가 생성되는 동안 해당 그래프와 연결된 노트북 환경을 준비해 질의 실행, 그래프 상호작용, 관련 도구 설치와 실행에 사용한다. 이후 제공된 샘플 노트북을 내려받아 주피터 환경에 올리면 데이터 가져오기부터 자연어 질의까지 이어지는 실습 기반이 마련된다. 원문은 이 순서를 데이터 적재, 그래프 생성, 노트북 구성이라는 지식 그래프 기반 구축 절차로 제시한다.

8. 모듈형 질의 처리와 검증 가능한 답변

구현 예시는 의료 지식 그래프 위에 모듈형 검색 증강 생성 시스템을 만드는 방식으로 구성되며, 자연어 질의와 그래프 내부 개체 연결을 함께 지원한다. 먼저 자연어 답변 생성을 담당하는 언어 모델 생성기를 초기화하고, 모델 이름과 실행 지역을 설정한다. 이어 그래프 저장소와 생성기를 지식 그래프 연결기에 전달하면, 이 연결기가 그래프 질의와 답변 생성을 이어 주는 핵심 인터페이스가 된다. 연구자가 질문을 입력하면 연결기는 그래프 구조와 관계를 활용해 관련 맥락을 찾고 이를 바탕으로 답변을 생성한다. 원문이 제시한 핵심 가치는 답만 빠르게 제공하는 것이 아니라, 인용과 관계 경로를 통해 답의 근거를 확인하게 함으로써 연구 속도와 과학적 엄밀성을 동시에 지키는 데 있다.

🧾 핵심 주장 / 시사점

이 접근법의 핵심은 문서 검색량을 늘리는 데 있지 않고, 논문·질병·유전자·화합물 사이의 관계와 그 관계를 따라간 증거 경로를 함께 제공하는 데 있다.
자체 그래프 데이터 모델을 사용하면 공공 과학 자료와 기업 내부 데이터를 하나의 질의 환경에 연결하면서도 기존 개체와 관계의 구조를 유지할 수 있다.
연구 결과의 신뢰성은 생성된 문장 자체보다 출처 인용, 그래프 탐색 단계, 시각적 관계 경로를 통해 결론을 다시 확인할 수 있는 구조에서 강화된다.

✅ 액션 아이템

신약 탐색 적중률 5%와 한 건 선별 6개월 이상 병목을 낮추기 위해 논문·실험실 기록·유전체 DB를 통합한 BYOKG 그래프 설계를 우선 반영한다.
공개 데이터와 독점 데이터를 함께 조회하려면 식물·화합물·단백질·유전자·질병·건강 효과·논문 간 관계를 담은 자체 지식그래프 스키마를 정의한다.
GraphRAG 질의 파이프라인에서 자연어 답변과 함께 인용 출처, 그래프 탐색 단계, 시각적 경로를 함께 반환하도록 연결 구성을 점검한다.