MCP(Model Context Procotol)기반 AI Agent를 활용한 의료메타분석 자동화 시스템 구축
Development of an Automated Medical Meta-analysis System Using an MCP (Model Context Protocol)-based AI Agent
- 주제(키워드) AI agent , MCP , Medical Meta-analysis , Automation
- 발행기관 서강대학교 AI.SW대학원
- 지도교수 최준석
- 발행년도 2026
- 학위수여년월 2026. 2
- 학위명 석사
- 학과 및 전공 AI.SW대학원 데이터사이언스 · 인공지능
- 실제URI http://www.dcollection.net/handler/sogang/000000082298
- UCI I804:11029-000000082298
- 본문언어 한국어
- 저작권 논문은 저작권에 의해 보호받습니다.
초록(요약문)
의료 분야에서 근거 기반 의사결정을 위해 수행되는 체계적 문헌고찰과 메타분석은 중요한 역할을 담당하지만, 검색식 설계, 스크리닝, 데이터 추출, 통계 분석 등 복잡한 수작업 절차로 인해 시간 소모와 재현성 부족 문제가 지속되어 왔다. 본 연구는 이러한 한계를 해결하기 위해 MCP(Model Context Protocol)를 기반으로 의료 메타분석 전 과정을 자동으로 수행하는 AI Agent 시스템을 구축하였다. 구축된 시스템은 단일 프롬프트 입력만으로 문헌 검색, 다단계 스크리닝, 데이터 추출, 메타분석, 시각화 및 보고서 생성까지 End-to-End 파이프라인을 자동화하도록 설계되었다. 실험은 Nursing Handoff Errors(간호사 인수인계 오류)를 주제로 수행되었으며, PubMed 와 Semantic Scholar 를 대상으로 문헌 검색을 시행하였다. 자동화된 파이프라인은 약 40 분 내에 전체 과정을 완료하였고, 총 23 개 폴더와 27개 파일의 산출물을 생성하였다. 생성된 PRISMA 다이어그램(.mmd), Forest/Funnel Plot(.xlsx), 효과크기 테이블, 연구 특성표, NOS 평가표 등은 메타분석 절차의 구조적 완전성과 데이터 정확성을 충족하였다. 또한 실행 과정에서 오류 없이 모든 단계가 안정적으로 수행되었으며, 모든 산출물이 로컬 파일 시스템에 저장되어 추적 가능성과 재현성이 확보되었다. 본 연구는 MCP 기반 설계를 통해 의료 메타분석의 검색–스크리닝–추출–분석– 시각화 전 과정을 통합 자동화할 수 있음을 실증적으로 제시하였으며, AI Agent 기반 Evidence Synthesis 자동화 연구의 새로운 방향성을 제시한다. 향후 다양한 데이터베이스 확장, LLM 기반 추출 정확도 향상, 임상지침 자동화 연계 등으로의 발전 가능성이 확인되었다.
more초록(요약문)
Systematic reviews and meta-analyses play a critical role in evidence-based medical decision-making; however, their traditional workflows remain highly time- consuming and labor-intensive, involving manual query formulation, study screening, data extraction, statistical analysis, and visualization. These manual processes frequently lead to inconsistencies, human errors, and limited reproducibility. To address these limitations, this study proposes an AI Agent system that automates the entire meta-analysis workflow using the Model Context Protocol (MCP). The system is designed to execute end-to-end tasks—ranging from literature search to screening, data extraction, statistical computation, visualization, and report generation—based solely on a single prompt input. The automated pipeline was evaluated using the topic Nursing Handoff Errors, with literature retrieved from PubMed and Semantic Scholar. The MCP-based workflow completed the entire process in approximately 40 minutes without human intervention, generating 23 folders and 27 structured output files. These outputs included PRISMA flow diagrams (.mmd), forest and funnel plots (.xlsx), effect size tables, study characteristics tables, and NOS quality assessment results. All outputs demonstrated structural completeness and accurate data mapping. Additionally, the system operated without runtime errors, and all intermediate and final artifacts were stored locally, ensuring transparency, traceability, and reproducibility. This study empirically demonstrates that an MCP-based AI Agent can feasibly automate the full workflow of medical meta-analysis, offering significant improvements in efficiency, reliability, and workflow standardization. The findings suggest a promising direction for the development of fully automated evidence synthesis pipelines. Future extensions may include integration with multiple databases, enhanced data extraction performance, automated clinical guideline drafting, and the advancement of AI-driven evidence synthesis platforms.
more목차
제 1 장 서론 1
제 1절 연구 배경 및 필요성 1
제 2절 연구 목적 3
제 3절 연구 질문 4
제 4절 연구 범위 5
제 5절 논문 구성 7
제 2 장 관련 연구 8
제 1절 체계적 문헌고찰 및 메타분석 자동화 연구 8
제 2절 LLM 기반 정보검색·데이터 추출·요약 연구 9
제 3절 Deep Research : ChatGPT o1 pro mode 11
제 4절 Model Context Protocol(MCP) 13
제 5절 Evidence Synthesis 자동화 동향 16
제 6절 본 연구의 차별성 17
제 3 장 제안 방법 20
제 1절 시스템 개요 및 설계 원칙 20
제 2절 MCP Tool 및 모듈 설계 23
(1) Sequential Thinking 서버의 설계 논리 24
(2) PubMed 및 Semantic Scholar 서버의 분리 설계 이유 25
(3) Task Manager 서버를 통한 워크플로우 오케스트레이션 25
(4) Filesystem 서버의 핵심적 역할 26
(5) Excel 서버 선택의 연구적 근거 26
(6) Mermaid 서버를 활용한 시각화 설계 이유 27
(7) 대안적 MCP 서버 구성과의 비교 27
제 3절 자동화된 의료 메타분석 Workflow 29
제 4 장 실험 31
제 1절 실험 설계 31
(1) 입력 방식 31
(2) 자동화 파이프라인의 주요 단계 32
(3) 사용 MCP 서버 33
(4) 출력물(Output Materials) 33
(5) 평가 지표(Evaluation Metrics) 34
(6) 실험 조건(Experiment Conditions) 35
제 2절 실험 결과 요약 35
제 3절 단계별 주요 결과 37
(1) 프롬프트 기반 연구 계획 생성 38
(2) Database별 검색식(Query) 생성 39
(3) 문헌 검색 및 스크리닝 수행 40
(4) 데이터 추출 및 통계 분석 41
(5) 통계 분석 및 시각화 42
제 3절 MCP 기반 자동화 산출물 분석 44
제 4절 성능 분석 (자동화 구조 관점) 45
(1) 시간(Time Efficiency) 46
(2) 출력물 품질(Output Quality) 46
(3) 시스템 안정성(Stability) 47
제 5 장 결론 48
제 1절 연구 요약 48
제 2절 학문적 시사점 49
제 3절 한계점 및 향후 연구 방향 50
