체계적 문헌고찰 (Systematic reviews)은 생물 의학 연구 전반에 걸친 정량적 증거를 합성하기 위해 포레스트 플롯 (forest plots)에 의존하지만, 이를 생성하는 과정은 여전히 파편화되어 있고 노동 집약적입니다. 연구자들은 복잡한 임상 텍스트를 해석하고, 임상 시험에서 결과 데이터를 수동으로 추출하며, 적절한 중재 (interventions) 및 비교군 (comparators)을 정의하고, 일관되지 않은 연구 설계를 조화시키며, 일반적으로 구조화된 입력값과 도메인 전문 지식을 요구하는 특수 소프트웨어를 사용하여 메타 분석 (meta-analytic) 계산을 수행해야 합니다. 최근 연구를 통해 대규모 언어 모델 (LLMs)이 비정형 텍스트에서 연구 수준의 데이터를 추출할 수 있음이 입증되었으나, 원시 문서로부터 합성된 포레스트 플롯에 이르기까지의 전체 파이프라인을 자동화하는 기존 시스템은 없습니다. 이러한 격차를 해소하기 위해, 우리는 생물 의학 논문으로부터 즉시 출판 가능한 수준의 포레스트 플롯을 직접 생성하는 최초의 종단간 (end-to-end) 시스템인 AutoForest를 소개합니다. 하나 이상의 연구 논문이 주어지면, AutoForest는 ICO (Intervention, Comparator, Outcome; 중재, 비교군, 결과) 요소를 자동으로 제안하고, 결과 데이터를 추출하며, 통계적 합성을 수행하고, 최종 포레스트 플롯을 렌더링합니다. 우리는 시스템 아키텍처와 사용자 인터페이스를 설명하고, 임상의들이 참여한 사용자 연구를 통해 실제 사례에서의 효과를 입증함으로써, AutoForest가 어떻게 증거 합성을 가속화하고 메타 분석 수행에 대한 장벽을 실질적으로 낮출 수 있는지 보여줍니다.