■ 概要 Knowledge Graph（SPOKE）と LLM を統合し、バイオメディカル領域の知識集約的タスクに対して「プロンプト認識コンテキスト抽出」により最小限で十分な専門知識を供給する RAG フレームワーク。 ■ 特徴・用途 **特徴**：2700万ノード・5300万エッジを持つ SPOKE グラフから、クエリに関連した最小限の構造化知識を動的に抽出。GPT-4/Llama2 など複数 LLM に対応し、標準・インタラクティブ両モードをサポート。**用途**：疾患・医薬品・治療に関する Q&A や医学知識推論タスク。BiomixQA ベンチマークで多肢選択問題や真偽問題での精度向上が実証。 ■ 結論 既存 RAG の「全文検索＆チャンク化」の限界を構造化知識で補うアプローチで、精密医療・臨床意思決定支援といった高精度要求領域での実用性が高い。