Neo4j Document Intelligenceは、Neo4jが2026年6月に公開するAuraベースのドキュメントインテリジェンス機能であり、PDF、DOCX、TXT、EPUB、HTML、Markdownドキュメントを検索およびクエリ可能なナレッジグラフに変換する。研究者がドキュメントを提示し、自然言語で希望する分析目的を説明すると、システムはグラフスキーマを提案し、大規模言語モデルを活用してエンティティと関係を抽出する。ドキュメント保管庫が単にファイルを積み重ねる書架であるならば、このツールはドキュメント内の概念と根拠を相互に接続した探索マップに近い。結果は、原文検索のためのレキシカルグラフと、意味関係を表現するエンティティグラフを組み合わせて使用するGraphRAG構成として活用できる。 従来のドキュメントベースのナレッジグラフ構築では、ファイルパース、チャンク分割、固有表現認識、関係抽出、スキーマ設計、グラフロードをそれぞれ実装する必要があった。特に研究分野によってエンティティタイプと関係が異なるため、初期のグラフモデルが実際の質問と一致しない、またはベクトル検索だけではドキュメントに分散した多段階の関係を説明することが難しいという問題があった。Neo4j Document Intelligenceの差別点は、個別の抽出コードや先行のグラフモデリングなしに、自然言語の指示からスキーマ候補を作成し、ドキュメントの関係構造をAura内で構成することである。GPTがテキストの意味に基づいて回答を生成するように、このツールはテキストに埋め込まれていた対象と関係をグラフのノードとリンクに変換し、後続の探索の基盤を構築する。 生命科学の研究者は、論文PDFとMarkdown研究ノートを投入した後、Gene、Protein、Disease、Drugなどのエンティティと、INTERACTSWITH、ASSOCIATEDWITH、TARGETS関係を含むスキーマを自然言語で要求できる。生成されたエンティティグラフでは、特定の薬剤が複数の論文でどのタンパク質と疾患に接続されているかを多段階のパスで追跡し、レキシカルグラフでは関連する原文セグメントを検索して関係の根拠を一緒に確認する方法が可能である。これは、単純なキーワード検索では見逃しやすい文献間の接続を、仮説候補や検討対象の関係として整理するのに役立つ。 また、臨床・規制文書では、DOCXプロトコル、PDFレポート、HTMLガイドラインを組み合わせて処理し、試験段階、評価変数、有害事象、対象疾患間の関係を構造化できる。GraphRAGアプリケーションは、エンティティグラフで関連するパスを絞り込み、次にレキシカルグラフで原文のコンテキストを検索する形式で構成できる。ただし、LLMベースの抽出結果は原文の事実を自動的に保証するものではないため、生命科学および臨床意思決定に使用する前に、関係ごとの出典確認と専門家によるレビューが必要である。サポート制限、抽出モデルの選択、データ保持およびセキュリティ条件は、公式のAuraドキュメントで追加で確認する必要がある。

Neo4j Document Intelligenceは、Neo4jが2026年6月に公開したAuraベースのドキュメントインテリジェンス機能であり、PDF、DOCX、TXT、EPUB、HTML、Markdownなどのドキュメントを、検索やクエリが可能なナレッジグラフに変換する。研究者がドキュメントを提示し、自然言語で希望する分析目的を説明すると、システムがグラフスキーマを提案し、大規模言語モデルを活用してエンティティと関係を抽出する。ドキュメント保管庫が単にファイルを積み重ねる書架であるならば、このツールはドキュメント内の概念と根拠を相互に接続した探索地図に近い。結果は、原文検索に使用される。

🔬 文献に基づいた薬剤-標的知識グラフ: 論文PDFとMarkdown形式の研究ノートを入力し、Drug（薬剤）、Protein（タンパク質）、Disease（疾患）のエンティティと、TARGETS（標的）、ASSOCIATED_WITH（関連）の関係を要求する。エンティティグラフの多段階パスと、テキストグラフの原文セグメントを合わせて参照し、検証すべき薬剤再利用候補を選別する。