🤖 AI

MultiCNKG: Integrating Cognitive Neuroscience, Gene, and Disease Knowledge Graphs Using Large Language Models

이 논문은 대규모 언어 모델을 활용하여 인지 신경과학, 유전자 및 질병 온톨로지를 응집력 있는 다층적 지식 그래프로 통합함으로써 정밀 의료 및 인지 장애 진단 분야의 응용을 발전시키기 위해 높은 정밀도와 강건성을 입증하는 새로운 프레임워크인 MultiCNKG를 소개한다.

원저자: Ali Sarabadani, Kheirolah Rahsepar Fard

게시일 2026-06-23

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Ali Sarabadani, Kheirolah Rahsepar Fard

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

당신은 거대한 3차원 퍼즐을 풀려고 노력 중이라고 상상해 보세요. 하지만 퍼즐 조각들은 세 개의 서로 다른 방에 흩어져 있고, 각 방은 조금씩 다른 언어를 사용하고 있습니다.

방 1 (유전자): 우리 DNA가 어떻게 작동하는지에 대한 조각들을 담고 있습니다 (마치 신체의 설계도와 같습니다).
방 2 (질병): 신체가 아플 때 무엇이 잘못되는지에 대한 조각들을 담고 있습니다 (마치 "오류 보고서"와 같습니다).
방 3 (인지 신경과학): 우리 뇌가 어떻게 생각하고, 기억하고, 주의를 기울이는지에 대한 조각들을 담고 있습니다 (마치 마음의 "사용자 경험"과 같습니다).

오랫동안 과학자들은 이 조각들을 연결하기 위해 수동으로 노력해야 했습니다. 그것은 느린 작업이었고, 특정 유전자가 어떻게 특정 질병으로 이어지고, 그것이 어떻게 특정 사고 방식에 영향을 미치는지에 대한 연결 고리를 놓치는 경우가 많았습니다.

"MultiCNKG": 슈퍼 번역가이자 퍼즐 마스터

이 논문은 MultiCNKG라고 불리는 새로운 시스템을 소개합니다. 이것은 마치 (고급 챗봇의 기술인) "대규모 언어 모델(LLM)"에 의해 구동되는 매우 똑똑한 로봇 사서와 같아서, 세 개의 방을 동시에 드나들 수 있습니다.

이 시스템이 어떻게 작동하는지 쉬운 비유를 통해 알아보겠습니다.

1. 수집 (조각 모으기)

연구진은 기존의 세 가지 "정보 도서관"에서 시작했습니다:

유전자 온톨로지 (Gene Ontology): 유전적 기능에 대한 방대한 목록 (43,000개 항목).
질병 온톨로지 (Disease Ontology): 질병에 대한 목록 (11,200개 항목).
인지 신경과학 지식 그래프 (Cognitive Neuroscience KG): 기억력이나 주의력 같은 뇌의 과정에 대한 지도 (2,900개 항목).

2. 번역 (같은 언어로 만들기)

문제는 질병 방에서의 "알츠하이머"가 유전자 방에서는 다르게 적혀 있을 수 있다는 점이었습니다. LLM은 보편적인 번역가 역할을 합니다. 이 모델은 모든 항목의 설명을 읽고 "아, 이 두 개는 사실 같은 것이구나!" 또는 "이 두 개는 매우 밀접하게 연관되어 있구나!"라고 말합니다.

이 모델은 엉킨 것을 정리하고, 중복을 제거하며, 조각들이 완벽하게 들어맞도록 정렬합니다.

3. 확장 (숨겨진 연결 고리 찾기)

이것이 마법 같은 부분입니다. 일반적인 데이터베이스는 인간이 이미 기록해 둔 연결만을 보여줍니다. 하지만 이 AI는 자신이 알고 있는 지식을 바탕으로 새로운 연결을 추측할 정도로 똑똑합니다.

비유: 당신에게 도시의 지도가 있다고 상상해 보세요. 일반적인 지도는 존재하는 도로를 보여줍니다. 하지만 이 AI는 지도를 보고 이렇게 말합니다. "이 동네들이 어떻게 구성되어 있는지 보니, 누군가 아직 그려 넣지 않았더라도 이 공원과 저 병원을 잇는 숨겨진 경로가 반드시 존재할 거야."
그 후 시스템은 이러한 새로운 추측들이 타당한지 확인하기 위해 인간 전문가들에게 검증을 받습니다.

4. 결과: 통합된 지도

최종 결과물은 다음과 같은 단 하나의 거대한 지도(지식 그래프)입니다:

6,900개의 노드 (퍼즐 조각: 유전자, 질병, 뇌 과정, 경로, 그리고 치료법).
11,300개의 엣지 (연결: 무언가를 "유발"하는 것, 무언가를 "조절"하는 것 등).

이 지도를 통해 당신은 아주 작은 유전 코드로부터 복잡한 인간의 행동에 이르기까지의 경로를 추적하여, 한 곳에서 전체 이야기를 볼 수 있습니다.

얼마나 뛰어난가요? (성적표)

연구진은 이 새로운 지도가 얼마나 정확하고 유용한지 테스트했습니다.

정확도: 연결의 약 **85%**를 정확히 맞혔으며(정밀도), 찾아내야 했던 연결의 **87%**를 찾아냈습니다(재현율).
전문가 승인: 실제 뇌 및 질병 전문가들이 AI가 찾아낸 새로운 연결 고리들을 살펴보았을 때, **89.5%**가 "네, 이것은 과학적으로 말이 됩니다"라고 답했습니다.
예측 능력: 시스템은 (마치 범죄를 해결하는 탐정처럼) 누락된 연결을 추측하는 능력을 테스트받았습니다. 이 시스템은 매우 우수한 성능을 보였으며, 컴퓨터 과학에서 사용되는 다른 유명한 시스템들을 능가하거나 대등한 성적을 거두었습니다.

핵심 요약

이 논문은 강력한 AI를 사용하여 이 세 가지 분리된 지식의 세계를 통합함으로써, 원래의 부분들보다 더 완전하고 일관된 도구를 만들었다고 주장합니다. 이 시스템은 우리의 DNA, 질병, 그리고 마음 사이의 간극을 성공적으로 메웠으며, 연구자들이 연구할 수 있는 더 명확한 그림을 만들어 냈습니다.

저자들은 이 시스템이 강력하지만, 현재는 비용이 많이 드는 독점적인 AI 도구에 의존하고 있으며, 향-후에는 이를 더 개방적이고 확장 가능하게 만들기를 희망한다고 언급했습니다.

기술 요약: MultiCNKG – 대규모 언어 모델을 이용한 인지 신경과학, 유전자 및 질병 지식 그래프의 통합

문제 정의

생물 의학 및 인지 데이터의 통합은 서로 다른 영역 간의 지식 파편화로 인해 상당한 어려움에 직면해 있습니다: 유전적 메커니즘(Gene Ontology), 신경 질환(Disease Ontology), 그리고 인지 과정(Cognitive Neuroscience Knowledge Graph)이 이에 해당합니다. Bag-of-Words나 Word2Vec과 같은 얕은 임베딩(shallow embeddings)에 의존하는 전통적인 머신러닝 방법들은 생물 의학 용어의 다의적 성질과 분자 데이터를 행동 결과와 연결하는 데 필요한 깊은 의미론적 연결을 포착하는 데 한계가 있습니다. 또한, 기존의 지식 그래프(Knowledge Graphs, KGs)는 유전자에서 질병, 그리고 인지 기능으로 이어지는 경로를 추적하는 데 필요한 응집된 구조가 부족한 경우가 많습니다. 본 논문은 광범위한 사전 학습된 지식과 문맥 인식 능력을 갖춘 대규모 언어 모델(LLMs)이 전통적인 그래프 신경망(GNNs)의 의미론적 한계를 극복하고, 이러한 이질적인 데이터 소스를 통합하는 해결책을 제공할 수 있다고 상정합니다.

방법론

저자들은 세 가지 별개의 지식 소스를 하나의 통합된 다층 지식 그래프로 병합하도록 설계된 프레임워크인 MultiCNKG를 제안합니다. 방법론은 네 가지 주요 단계로 진행됩니다:

데이터 수집 및 전처리:
- 소스: 이 프레임워크는 인지 신경과학 지식 그래프(CNKG), 유전자 온톨로지(GO), 질병 온톨로지(DO)를 통합합니다.
- 전처리: 엔티티의 원시 텍스트 설명은 토큰화되고 정규화됩니다. LLM(특히 GPT-4 및 BioGPT)은 임베딩 유사도를 사용하여 여러 형태를 가진 엔티티(예: "Alzheimer's disease"와 "AD")를 표준형(canonical forms)으로 매핑하는 데 활용됩니다. 노이즈 제거는 유사도 점수에 기반한 임계값 필터링을 통해 수행됩니다.
지식 그래프 표현:
- 통합된 그래프는 $G = (V, E, R)$ 형태의 유향 다중 그래프(directed multigraph)로 모델링됩니다. 여기서 노드는 유전자, 질병, 인지 개념을 나타내며, 엣지는 "원인이 된다(causes)", "연관되어 있다(associated with)", "조절한다(regulates)"와 같은 관계를 나타냅니다.
- 구조는 인접 행렬(adjacency matrices)과 지식 트리플 $(h, r, t)$ 를 사용하여 인코딩됩니다.
그래프 정렬 및 통합:
- 노드 정렬: 세 소스 그래프의 노드들은 임베딩 유사도가 사전 정의된 임계값 $\tau$ 를 초과할 경우 병합됩니다.
- 엣지 정렬: 동등한 관계(예: "causes"와 "induces")는 LLM 기반의 의미론적 비교를 통해 통일됩니다.
- 인접 행렬 업데이트: 최종 인접 행렬은 소스 행렬들과 새롭게 발견된 관계를 나타내는 델타 행렬( $\Delta A$ )을 결합하여 구성됩니다.
LLM을 이용한 그래프 확장:
- 관계 예측: LLM은 노드 간의 새로운 관계에 대한 확률 $P(r_{new}|h, t)$ 를 추정합니다. 만약 확률이 임계값을 초과하면 해당 관계가 추가됩니다.
- 반복적 확장: 그래프는 기존 구조에 새롭게 발견된 엔티티와 엣지( $\Delta G$ )가 추가되면서 반복적으로 진화합니다.
- 검증: 새로운 관계에는 신뢰도 점수가 부여되며, 외부 데이터베이스 또는 도메인 전문가의 수동 검토를 통해 검증됩니다. 신뢰도가 임계값 미만으로 떨어지는 관계는 제거됩니다.

주요 기여

MultiCNKG 프레임워크: CNKG, GO, DO를 6.9K 개의 노드와 11.3K 개의 엣지를 포함하는 하나의 응집된 그래프로 성공적으로 통합하는 새로운 프레임워크를 개발했습니다.
LLM 기반 통합: LLM(GPT-4)을 단순한 텍스트 처리가 아니라 엔티티 정렬, 의미론적 유사도 계산, 그리고 유전, 질병, 인지 영역 간의 새롭고 이전에 발견되지 않았던 연결 고리의 발견을 포함한 핵심적인 그래프 연산에 적용했습니다.
다층 구조: 유전 층(GO), 질병 층(DO), 인지 신경과학 층(CNKG)을 명시적으로 연결하는 그래프를 생성하여, 분자 메커니즘부터 행동 구조체까지의 총체적인 관점을 가능하게 했습니다.
포괄적 평가: 전통적인 지표(정밀도, 재현율, F1-Score)와 특화된 KG 지표(그래프 일관성, 신규성 탐지, 전문가 검증) 및 링크 예측 벤치마크를 사용하여 통합된 그래프를 엄격하게 평가했습니다.

결과

MultiCNKG의 성능은 소스 구성 요소 및 표준 벤치마크와 비교하여 평가되었습니다:

통합 지표:
- 정밀도(Precision): 85.20%
- 재현율(Recall): 87.30%
- 커버리지(Coverage): 92.18% (소스 그래프로부터의 성공적인 데이터 전이를 나타냄)
- 그래프 일관성(Graph Consistency): 82.50%
- 전문가 검증(Expert Validation): 89.50% (새로운 엣지의 생물학적 및 인지적 타당성 확인)
- 신규성 탐지(Novelty Detection): 40.28% (원본 그래프에 없었던, LLM에 의해 발견된 엣지의 비율)
- 비교: MultiCNKG는 개별 소스 그래프(GO, DO, CNKG)에 비해 향상된 재현율과 커버리지를 보여주었으나, 정밀도는 GO 단독 모델보다 약간 낮았는데, 이는 새롭고 불확실한 연결이 포함되었기 때문으로 보입니다.
링크 예측:
- 그래프는 TransE 및 RotatE와 같은 모델을 사용하여 테스트되었습니다.
- TransE: 평균 순위(Mean Rank, MR) 391, 평균 역순위(Mean Reciprocal Rank, MRR) 0.411.
- RotatE: MR 263, MRR 0.395.
- 이 결과들은 FB15k-237 및 WN18RR과 같은 표준 벤치마크에 대해 경쟁력 있는 성능을 보여주며, 그래프의 구조적 무결성과 예측 능력을 입증합니다.

의의 및 주장

본 논문은 LLM의 의미론적 깊이를 활용하여 분자 유전학, 신경 질환, 그리고 인지 기능 사이의 간극을 메움으로써 생물 의학 지식 통합의 중요한 진전을 이루었다고 주장합니다.

과학적 유용성: 이 프레임워크는 연구자들이 유전자에서 질병, 그리고 인지 과정으로 이어지는 경로를 추적할 수 있는 다층적 관점을 제공하여, 개인 맞춤형 의료, 인지 장애 진단, 가설 수립 등의 응용을 지원합니다.
방법론적 전환: 본 연구는 LLM이 특히 암시적 그래프 구조 추론 및 멀티홉 추론(multi-hop inference)이 필요한 작업에서 전통적인 GNN 파이프라인의 맥락적, 의미론적 결함을 효과적으로 보완할 수 있음을 보여줍니다.
미래 잠재력: 확장성 문제와 독점 모델(GPT-4)에 대한 의존성을 인정하면서도, 저자들은 MultiCNKG가 학제 간 연구를 위한 토대를 마련했다고 주장합니다. 저자들은 향-후 연구로서 추가적인 온톨로지(예: DrugBank)를 통합하고, 투명성을 높이며 약물 재창출 및 인지 장애의 조기 발견을 지원하기 위해 오픈 소스 LLM을 활용하는 방안을 제시합니다.