시골약사
032795c0fa
약국 POS 시스템의 GraphRAG 기반 추천 시스템 구축 관련 문서:
## 핵심 설계 문서
1. 질병코드기반 제품추천.md
- ICD-10 질병 코드 활용 추천 시스템 설계
- 계층 구조 (질병 → 질병군 → 제품군 → 개별 제품)
- 처방전 기반 추천 알고리즘
2. complex-product-graph-modeling.md
- 복합제(비맥스제트 등) 그래프 모델링
- 성분 간 시너지 효과 표현
- 복합 증상 매칭 쿼리 예시
3. pubmed-graphrag-workflow.md
- PubMed → GraphRAG 전체 워크플로우 (5단계)
- 논문 검색, 근거 추출, 지식 그래프 구축
- MCP Server 개발 가이드
## 그래프 DB 비교 및 평가
4. sqlite-graph-evaluation.md
- SQLite vs SQLite-Graph vs Neo4j 비교
- 현 시점(2026-01) 평가: 기존 SQL 유지 권장
- 6개월 후 재평가 계획
5. opensource-graph-db-comparison.md
- 오픈소스 그래프 DB 비교 (Neo4j, ArangoDB 등)
6. 온톨로지로전환.md
- 관계형 DB → 온톨로지 구조 전환 가이드
- PubMed RAG 활용 방안
- 추론 규칙 설계
## PubMed GraphRAG 활용
7. pycnogenol-multi-indication-graphrag.md
- 피크노제놀 다중 적응증 GraphRAG 구축 사례
- 7가지 적응증별 근거 수준
8. grpahrag_아쉬아간다.md
- Ashwagandha GraphRAG 구축 사례
9. pubdmed이용ai.md
- PubMed + AI 통합 활용 가이드
## 추가 워크플로우
10. pubmed-graphrag-workflow_next.md
- 다음 단계 워크플로우
11. PostgresGRAPH전환.md
- PostgreSQL + Apache AGE 전환 가이드
모든 문서는 한국어로 작성되었으며, 코드 예시는 영어로 포함.
Co-Authored-By: Claude Sonnet 4.5 <noreply@anthropic.com>
100 lines
2.9 KiB
Markdown
100 lines
2.9 KiB
Markdown
📚 작성된 문서: pubmed-graphrag-workflow.md
|
|
📋 포함 내용
|
|
1. 전체 워크플로우 (5단계)
|
|
|
|
주제 선정 → PubMed 검색 → 논문 분석 → 지식 그래프 구축 → AI 추천
|
|
2. Python 스크립트 템플릿
|
|
표준화된 코드 구조
|
|
Biopython Entrez 사용법
|
|
신뢰도 계산 알고리즘
|
|
GraphRAG 쿼리 패턴
|
|
3. 데이터베이스 스키마
|
|
|
|
entities (약물, 증상, 환자 프로필)
|
|
relationships (약물-증상, 약물-부작용)
|
|
evidence (PMID, 논문 정보, 신뢰도)
|
|
4. MCP Server 개발 가이드
|
|
3개 Tool 구현 예시:
|
|
search_pubmed() - 논문 검색
|
|
query_knowledge_graph() - 지식 그래프 쿼리
|
|
recommend_drug() - 약물 추천
|
|
5. AI Agent 구현
|
|
PubMedGraphRAGAgent 클래스
|
|
추론 경로 생성 로직
|
|
환자 프로필 기반 추천
|
|
6. 실제 사례 연구
|
|
CoQ10 + Statin (PMID: 30371340)
|
|
|
|
근육통 개선 SMD -1.60, P<0.001
|
|
Ashwagandha 수면 (PMID: 34559859)
|
|
|
|
수면 개선 SMD -0.59, P<0.001
|
|
Naproxen 심혈관 (PMID: 27959716)
|
|
|
|
24,081명 RCT, CV event 2.5% (최저)
|
|
🎯 핵심 특징
|
|
✅ 재현 가능
|
|
모든 코드 템플릿 포함
|
|
단계별 상세 설명
|
|
실제 동작하는 예시
|
|
✅ 확장 가능
|
|
MCP Server로 확장 가능
|
|
AI Agent 통합 가능
|
|
새로운 약물-증상 관계 추가 용이
|
|
✅ 근거 기반
|
|
PMID 인용으로 신뢰도 확보
|
|
신뢰도 계산 알고리즘
|
|
추론 경로 투명성
|
|
📁 문서 구조
|
|
|
|
docs/pubmed-graphrag-workflow.md
|
|
├── 1. 개요 (목표, 기술 스택)
|
|
├── 2. 전체 워크플로우 (5단계)
|
|
├── 3. 단계별 상세 프로세스
|
|
│ ├── STEP 1: 주제 선정
|
|
│ ├── STEP 2: PubMed 검색
|
|
│ ├── STEP 3: 논문 분석
|
|
│ ├── STEP 4: 지식 그래프 구축
|
|
│ └── STEP 5: AI 추천 통합
|
|
├── 4. Python 스크립트 템플릿
|
|
│ └── 표준 템플릿 (복사해서 사용 가능)
|
|
├── 5. GraphRAG 지식 그래프 구조
|
|
│ ├── Entity 정의
|
|
│ ├── Relationship 정의
|
|
│ └── 쿼리 예시
|
|
├── 6. 데이터베이스 스키마
|
|
│ ├── ERD
|
|
│ └── SQLite 스키마 생성 스크립트
|
|
├── 7. MCP Server 개발 가이드
|
|
│ ├── 구조
|
|
│ └── 구현 예시
|
|
├── 8. AI Agent 개발 가이드
|
|
│ ├── 아키텍처
|
|
│ └── Tool 구현
|
|
├── 9. 실제 사례 연구
|
|
│ ├── CoQ10 + Statin
|
|
│ ├── Ashwagandha
|
|
│ └── Naproxen
|
|
└── 10. 참고 자료
|
|
🚀 다음 단계 제안
|
|
1. MCP Server 배포
|
|
|
|
# Claude Desktop에 MCP Server 추가
|
|
# ~/.claude/config.json
|
|
{
|
|
"mcpServers": {
|
|
"pubmed-graphrag": {
|
|
"command": "python",
|
|
"args": ["./backend/mcp_server.py"]
|
|
}
|
|
}
|
|
}
|
|
2. 지식 그래프 확장
|
|
더 많은 약물-증상 관계 추가
|
|
약물 상호작용 데이터 추가
|
|
환자 프로필 세분화
|
|
3. 자동화
|
|
GitHub Actions로 매주 새 논문 검색
|
|
자동 지식 그래프 업데이트
|
|
Slack 알림
|
|
이제 이 문서를 바탕으로 MCP Server나 AI Agent를 쉽게 개발할 수 있습니다! |