ER+ 유방암의 조합적 약물 재창출을 위한 LLM 기반 네트워크 의학 확장 기술
약물 재창출은 ER+ 유방암을 위한 치료법 발견을 가속화할 수 있으나, 조합 선택에는 여전히 어려움이 따른다. 본 연구에서는 595,122개의 PubMed 초록에서 약물-타겟 관계를 추출하고, 교차 모델 합의 네트워크를 구축하며, 이를 KEGG 에스트로겐 신호 전달 경로에 중첩하여 상호 보완적인 약물 쌍을 열거하는 LLM 기반 네트워크 의학 프레임워크를 개발했다. 후보 조합은 경로 커버리지, LLM 합의, RAG 검증, 교차 방법론 일치성, ClinicalTrials.gov 선례를 통합하는 ComboRank에 의해 순위가 매겨진다. 이 프레임워크는 FDR <= 0.05에서 임상시험 선례가 있는 31개를 포함하여 166개의 유의미한 쌍을 식별했으며, 추출 전략 전반에 걸쳐 393개의 공유 약물-타겟 쌍과 경로 중첩에 의해 추가로 뒷받침되는 11개의 정확한 쌍을 찾아냈다.
Drug repurposing can accelerate therapy discovery for ER+ breast cancer, but combination selection remains difficult. We developed an LLM-driven network medicine framework that extracts drug--target relationships from 595,122 PubMed abstracts, builds a cross-model consensus network, overlays it onto the KEGG estrogen signaling pathway, and enumerates complementary drug pairs. Candidate combinations are ranked by ComboRank, which aggregates pathway coverage, LLM consensus, RAG validation, cross-method agreement, and ClinicalTrials.gov precedent. The framework identified 166 significant pairs at FDR <= 0.05, including 31 with clinical-trial precedent, with 393 shared drug--target pairs across extraction strategies and 11 exact pairs additionally supported by the pathway overlay.