Neo4j와 GraphRAG를 통한 비정형 의료 데이터의 Knowledge Graph 구조화 및 추적 가능성 확보

Context

PDF와 이미지 등 파편화된 비정형 의료 데이터의 특성으로 인한 검색 효율 저하 및 컨텍스트 단절 발생. 단순 키워드 검색이나 Vector DB 기반 RAG만으로는 의료 기록 간의 복잡한 관계성 파악과 시계열적 인과관계 분석에 한계 존재.

Technical Solution

• Unstructured.io를 활용한 복잡한 레이아웃의 PDF 내 테이블 및 텍스트 데이터 정밀 추출
• GPT-4o 기반의 LLMGraphTransformer를 통한 Patient, Condition, Medication 등 핵심 Entity 및 관계 정의
• 추출된 데이터를 Neo4j Graph Database에 저장하여 의료 데이터 간의 관계를 명시적 Edge로 연결한 Knowledge Graph 구축
• LlamaIndex의 PropertyGraphIndex를 도입하여 Graph-traversal 기반의 GraphRAG 엔진 구현
• LabResult → Date → Condition → Medication으로 이어지는 경로 탐색을 통한 복잡한 쿼리 해결 및 응답의 Traceability 확보
• 단순 Vector 검색의 한계를 극복하기 위해 구조화된 Graph 속성을 직접 참조함으로써 LLM의 Hallucination 억제