배경: 딥러닝 기법을 활용한 생의학 연구의 발전은 관련 문헌의 방대한 축적을 가져왔다. 그러나 이를 한눈에 조망할 수 있게 해 주는 서지계량학적(scientometric) 연구는 부족한 실정이다. 이러한 부재는 해당 분야와 그 발전에 대한 부분적이고 단편적인 이해로 이어졌다. 목적: 본 연구는 여러 관점과 세부 수준의 입자도에서 연구 지형을 대표하는 다양한 서지적 엔터티를 분석함으로써 과학적 영역에 대한 정량적·정성적 이해를 도모하고자 하였다. 방법: 우리는 PubMed 데이터베이스에서 생의학 분야의 딥러닝 연구 978편을 검색하고 수집하였다. 서지계량학적 분석은 메타데이터, 영향력 있는 연구의 본문 내용, 그리고 인용된 참고문헌을 분석하여 수행하였다. 결과: 이를 통해 현재의 주요 선도 분야, 핵심 연구 주제와 기법, 지식 확산, 연구 협업을 확인하였다. 딥러닝 적용에 대한 관심이 우세했으며, 특히 영상의학과 의료영상에 합성곱 신경망(convolutional neural networks)이 주로 활용된 반면, 단백질 또는 유전체 분석에 초점을 둔 연구는 일부에 그쳤다. 영상의학과 의료영상은 또한 가장 중요한 지식의 원천으로 나타났고 지식 확산에 있어서 중요한 분야였으며, 그 다음으로는 컴퓨터과학과 전기공학이 뒤를 이었다. 공동저자(coauthorship) 분석 결과, 공학 중심 분야와 생의학 중심 분야로 이루어진 학문 클러스터 간에 다양한 협력이 존재하는 것으로 드러났다. 결론: 본 연구는 생의학에서의 딥러닝 연구 지형을 조사하였고, 그 학제적 성격을 확인하였다. 비록 성과가 있었지만, 특정 영역에서의 다양한 적용이 필요하며, 이를 통해 생의학 연구 문제를 해결하는 데 있어 딥러닝의 기여를 더 한층 증진할 수 있다고 생각한다. 본 연구의 결과가 연구자와 학계가 현재 및 향후의 연구를 보다 잘 정렬하는 데 도움이 되기를 기대한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.