의료분야 체계적 문헌고찰 수행에서 AI의 활용
Utilization of AI in Conducting Medical Systematic Reviews
2
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
체계적 문헌고찰은 신뢰할 수 있는 근거를 체계적으로 수집하고 종합함으로써 근거 기반 임상 진료 및 보건의료 정책 결정에 핵심적인 역할을 수행한다. 최근에는 인공지능(AI)이 체계적 문헌고찰의 효율성과 정확성을 향상시킬 유망한 도구로 부상하고 있다. 본 종설은 기계학습 및 거대 언어 모델(LLM)과 같은 생성형 AI를 포함한 AI 기술이 체계적 문헌고찰의 주요 단계에 걸쳐 어떻게 활용될 수 있는지 그 잠재적 응용 가능성과 현재의 한계점을 탐구한다. 아울러 AI의 책임감 있고 신뢰할 수 있는 사용을 위한 관련 지침에 대해서도 논의한다. 검토 결과, AI는 문헌 검색, 선별 및 데이터 추출을 포함한 다양한 체계적 문헌고찰 단계에서 효율성을 향상시키며 특히 초기 단계에 기여할 수 있음을 시사한다. 그러나 대부분의 AI 기반 접근 방식은 아직 탐색적 연구 단계에 머물러 있으며, 체계적 문헌고찰 프로세스 전체를 완전히 자동화하기에는 현재 적합하지 않다. 특히 LLM과 같은 생성 모델은 부정확한 정보(환각, hallucination)를 생성할 수 있으므로, 특정 작업을 위한 보조 도구로서 신중하고 감독된 사용이 필요하다. 결론적으로, AI는 체계적 문헌고찰 방법론을 변화시킬 잠재력을 가지고 있지만, 현재의 한계와 윤리적 함의에 대한 명확한 이해가 필수적이다. 기술이 발전함에 따라 지속적인 연구, 엄격한 유효성 검증, 그리고 전문가의 감독 하에 체계적 문헌고찰 워크플로우에 신중하게 통합하는 것이 중요하다.
Abstract
Systematic reviews (SRs) play a central role in evidence-based clinical practice and healthcare poli cy, as they systematically gather and synthesize reliable evidence. Recently, artificial intelligence (AI) has emerged as a promising tool to enhance the efficiency and accuracy of SRs. This review explores potential applications and current limitations of AI technologies–including machine learning and generative AI such as large language models (LLMs)–across key stages of SRs. It also discusses rele vant guidance for their responsible and reliable use. Findings suggest that AI can support various SR stages, particularly literature search, screening, and data extraction, improving efficiency in the early phases. However, most AI-based approaches remain in the exploratory stage and are not yet suitable for fully automating the SR process. In particular, generative models like LLMs may pro duce inaccurate information (hallucinations), requiring cautious, supervised use as supplementary tools for specific tasks. In conclusion, while AI has the potential to transform SR methodology, a clear understanding of its current limitations and ethical implications is essential. Ongoing research, rigorous validation, and thoughtful integration into SR workflows–guided by expert oversight–are crucial as the technology evolves.