2022년 11월, ChatGPT 3.0이 본격적으로 서비스를 시작했다. ChatGPT는 출시 후 단 2개월 만에 1억 명의 사용자를 확보하며 역대 가장 빠르게 성장한 플랫폼 중 하나로 자리 잡았다.이는 단순한 기술 혁신을 넘어, 미래에 대한 기대감을 불러일으키는 동시에, 악용될 가능성에 대한 우려도 함께 제기되었다. 중요한 것은 이 혁신적인 도구를 어떻게 활용하는가에 달려 있다. 이제 멋진 스포츠카를 구했으니 이 차를 타고 어디로 갈지는 전적으로 사용자에게 달려 있는 것이다. 의학 연구 분야에서도 ChatGPT를 비롯한 인공지능(Artificial intelligence, AI) 기술을 효과적으로 활용하면 연구의 질을 높이고 시간을 절약할 수 있다.

1. 문헌 검색

먼저, 문헌 검색은 연구의 기초를 다지는 중요한 단계이다. 최근에는 ChatGPT뿐만 아니라 Perplexity, Consensus, Scispace, Research Rabbit, GenSpark 등 다양한 AI 기반 문헌 검색 도구가 연구자들에게 활용되고 있다. Perplexity는 최신 논문 검색과 요약 기능을 제공하며, ChatGPT에서 문제가 되었던, 인용된 출처를 명확히 제시하여 신뢰성을 높인다. Consensus는 특정 연구 질문에 대한 학계의 합의를 분석하여 근거 기반의 답변을 제공하여 가설을 설정하고 관련된 연구 트렌드를 살펴볼 수 있다. SCISPACE는 논문의 핵심 내용을 요약하고 표로 정리하여 논문 간의 관계를 시각적으로 분석하는 기능을 갖추고 있다. 또한 Copilot 기능을 활용하면 논문 파일을 업로드하여 내용에 대해 질문하거나 요약하고 관련 지식을 확장할 수도 있다. 또한 Research Rabbit은 연구자 네트워크와 논문 간의 연결 관계를 그래프로 보여주어 논문 탐색을 보다 직관적으로 할 수 있도록 도와주며, GenSpark는 AI를 활용하여 논문 검색 뿐만 아니라 연구 아이디어 생성에도 도움을 준다. ChatGPT를 활용하면 이러한 도구에서 검색한 논문의 핵심 내용을 요약하고 비교 분석하는 데 유용하며, 특정 연구 질문에 대해 다양한 논문의 내용을 통합하여 정리하는 기능도 제공한다.

2. 데이터 분석과 시각화

통계는 데이터를 이해하고 메세지를 세상에 알리는 중요한 도구이다. 따라서 데이터 분석과 시각화는 의학 연구에서 필수적이며, 연구의 퀄리티를 결정하는 가장 핵심적인 요소이다. SPSS와 같은 통계 프로그램이나 R과 같은 프로그래밍 언어를 사용할 수도 있지만, ChatGPT를 활용하면 복잡한 코딩 없이도 효과적인 분석이 가능하다. 특히, Custom GPT를 활용하면 연구에 특화된 분석 모델을 구축할 수 있다. 연구자는 ChatGPT에 엑셀이나 CSV데이터를 업로드하여 데이터 정리, 통계 분석, 가설 검정 등을 자동화할 수 있다. 또한, 연구자가 자주 사용하는 분석 방법을 반영한 맞춤형 GPT를 생성하여 반복적인 분석을 자동화할 수도 있다. 시각화 기능 역시 ChatGPT를 통해 Matplotlib, Seaborn 등의 라이브러리를 활용하여 그래프를 생성할 수 있으며, 데이터의 패턴을 쉽게 파악할 수 있도록 지원한다. 이러한 AI 활용은 연구자의 데이터 분석 역량에 관계없이 정확한 결과를 도출하는 데 큰 도움을 준다. 연구와 논문 작성에 인공지능을 사용하여도 되는가에 대한 이슈가 있으나 데이터 분석은 ChatGPT를 이용하여 통계를 위한 코딩을 생성하는 작업이고 실제 분석은 Python을 통해 하게 된다. 따라서 AI가 분석 데이터를 생성해 주는 것이 아니고 분석 방법을 알려준 것이니 논문의 Methods에는 Python을 이용하였다고 기술하는 것으로 충분하리라 생각된다. R code를 친구에게 물어봤다고 코드를 알려준 친구의 이름을 Methods에 밝힐 필요는 없는 것과 같은 기준이다.

3. 논문 작성

논문 작성 과정에서는 AI도구를 활용하여 문장을 구조화하고 가독성을 높이는 것이 중요하다. 특히 ChatGPT Canvas를 활용하면 논문 초안을 손쉽게 작성하고 편집할 수 있다. 그런데 ChatGPT에 어떤 주제에 대한 논문을 작성하라고 요청하면 그럴듯한 문장을 작성하지만, 실제 내용을 읽어보면 블로그 글이나 대학생 리포트 수준의 단순한 내용을 서술하는데 그친다. 따라서 연구자가 할 일은 introduction-methods-results-discussion에 대해 본인의 지식과 연구에서 얻은 통찰을 본인의 언어로 개요를 작성하는 일이다. 논문의 개요와 논문을 통해 알리고자 하는 내용들을 자세히 “자신의 언어”로 정리하여 작성을 요청하여야 한다. 또한 ChatGPT를 활용하면, 문법 검사 및 가독성 향상 기능을 통해 논문의 품질을 높일 수 있으며, 참고문헌 정리도 자동화할 수 있다. 논문 작성 시 번거로운 인용 형식 정리를 ChatGPT가 자동화할 수 있으며, APA, Vancouver, MLA 등의 형식에 맞춰 참고문헌을 정리하는 데 도움을 준다.

4. 논문 작성시 AI 사용의 논란

대형언어모델(Large Language Model, LLM)과 같은 생성형 인공지능을 의학연구에 사용하고, 특히 논문 작성에 활용하는 것에 대해서는 아직 논란이 있다. 이에 대해서는 각 저널에서 Author Instruction 등을 통해 밝히고 있는데 각 저널마다 허용 범위에 차이가 있어 주의를 요한다. 예컨대, JAMA에서는 논문 작성에 LLM의 사용을 허용하지만 논문의 어느 부분에 어떤 도구를 사용하였는지에 대해 Acknowledgement에 상세히 기술하도록 권고하고 있고, Lancet의 경우에는 Manuscript 작성에만 제한적으로 허용하고 있다. 한편, LLM 사용에 가장 진보적인 저널은 NEJM AI 인데, 이 저널에서는 "Why We Support and Encourage the Use of Large Language Models in NEJM AI Submission" 이라는 제하의 사설(Editorial)을 발표하며, LLM이 연구의 언어 장벽을 낮추고 다양성을 확보하며 인구의 질을 향상시킬 것이라고 강조했다. 그리고 무엇보다 중요한 것은 LLM 사용을 금지시키는 것이 불가능하기 때문에, 사용을 제한할 경우 오히려 사용하지 않는 사람이 불이익을 받을 수 있다는 점을 지적하였다. 필자의 개인적인 의견으로는, 미래의 의학 연구에는 논문의 문장을 누가 작성했는지는 중요하지 않게 되고, 그 안에 어떤 통찰(insight)이 담겼는지가 평가의 기준이 될 것이라고 생각한다.

이처럼 ChatGPT와 관련 도구들을 활용하면 의학 연구의 모든 과정에서 효율성과 정확성을 높일 수 있다. AI 기술을 적절히 활용하는 것은 현대 연구자들에게 필수적인 역량이 될 것이며, 앞으로 더욱 발전할 가능성이 크다. AI 가 연구자를 대체하는 일은 없을 것이다. 그러나 AI를 사용하는 연구자가 사용하지 않는 연구자를 앞서가는 현상은 이미 시작되었다.