🤖 AI·머신러닝

대형언어모델 연구의 보고 품질: 상위 방사선 및 의학 영상 저널의 횡단면 감사

방사선 의학 분야에서 대형언어모델(LLM) 연구가 폭증하고 있다. 하지만 이 연구들이 과연 투명하게 보고되고 있을까? 결론부터 말하면, 평균 준수율은 51.2%에 그쳤다.

튀르키예 바셰셰히르 도시병원 연구팀은 2025년 1월 1일부터 12월 26일까지 Web of Science 방사선 핵의학 의학영상 분야 Q1 저널에 발표된 LLM 연구를 대상으로 횡단면 감사(cross-sectional audit)를 수행했다. 평가 기준은 MI-CLEAR-LLM(의료 분야 LLM 정확도 보고를 위한 최소 보고 항목) 2025 업데이트 버전이었다.

201건의 적격 연구 중 102건이 최종 분석되었다. 전체 준수율은 평균 51.2% ± 14.7%(범위 22.2%~84.2%)로, 보통 수준에 그쳤다.

항목별로 보면 양극화가 뚜렷했다. 입력 데이터 유형(100%), 테스트 데이터 독립성(80.2%), 적응 전략(78.1%)은 비교적 잘 보고되었다. 반면 프롬프트 실행 설정(29.4%)확률적 관리(33.1%)는 대부분 누락되었다. 가장 적게 보고된 항목은 학습 데이터 기준일(9.8%)프롬프트 작성 근거(15.6%)였다.

저널 간 차이도 유의미했다(P=0.011). 특히 한국방사선의학회지(Korean Journal of Radiology, KJR)는 평균 준수율 72.8% ± 2.7%로 가장 높았다. 분석에 포함된 KJR 논문 4편 모두가 상대적으로 우수한 보고 품질을 보였다.

이 연구가 의미 있는 이유는 LLM 연구의 재현성 위기를 구체적 수치로 드러냈기 때문이다. 프롬프트를 어떻게 실행했는지, 학습 데이터의 기준일이 언제인지 명시하지 않으면, 다른 연구자가 동일한 결과를 재현할 수 없다. LLM의 출력은 프롬프트와 설정에 따라 크게 달라지므로, 이 정보의 누락은 단순한 서술상의 문제가 아니라 과학적 엄격성의 결여다.

다만 이 연구 자체도 한계가 있다. 2025년 한 해 동안의 논문만 분석했으므로, 시간에 따른 개선 추세를 파악하기는 어렵다. 또한 MI-CLEAR-LLM 가이드라인 자체가 2025년에 업데이트된 것이므로, 과거 연구들이 이를 따르지 않은 것은 일면 당연하다.

연구자와 임상의가 주목해야 할 점은 명확하다. LLM 연구를 수행할 때 프롬프트의 정확한 문구와 실행 환경, 학습 데이터 기준일, 확률적 설정(온도 매개변수 등)을 반드시 명시해야 한다. 독자가 결과를 재현할 수 있어야만, 비로소 과학적 증거로 인정받을 수 있다.


📖 *Reporting Quality of Large Language Model Studies: A Cross-Sectional Audit of High-Ranking Radiology and Medical Imaging Journals (횡단면 감사, 102편 분석)* | 논문 원문

※ 이 기사는 의학 논문을 바탕으로 작성되었습니다. 개인 건강 상태에 따라 다를 수 있으니 전문의와 상담하세요.