생의학 분야 대형 언어 모델에 대한 조사

최근 대형 언어 모델(LLM)의 돌파구는 전례 없는 자연어 이해 및 생성 능력을 제공합니다. 그러나 생의학 분야 LLM에 대한 기존 조사들은 특정 응용 분야나 모델 아키텍처에 집중하는 경향이 있어, 다양한 생의학 도메인에서 최신 발전을 통합한 포괄적 분석이 부족합니다. 본 리뷰는 PubMed, Web of Science, arXiv 등 데이터베이스에서 수집한 484편의 논문을 기반으로, 생의학에서 LLM의 현황, 응용, 도전 과제 및 전망을 심층적으로 검토하며, 실제 생의학 환경에서 이들 모델의 실용적 함의에 중점을 둔 점이 특징입니다. 우선, 진단 지원, 신약 개발, 개인 맞춤 의학 등 광범위한 생의학 과제에서의 제로샷 학습 능력을 137개의 주요 연구를 통해 탐구합니다. 다음으로, 의료 질문 응답 및 생의학 문헌의 효율적 처리처럼 제로샷이 성과를 내지 못하는 전문화된 생의학 맥락에서의 성능 향상을 위해 단일 및 다중 모달 LLM을 위한 미세 조정 방법 등 적응 전략을 논의합니다. 마지막으로, 생의학 데이터의 민감성으로 인한 데이터 프라이버시 우려, 제한된 모델 해석성, 데이터셋 품질 문제, 윤리적 쟁점, 매우 신뢰할 수 있는 모델 출력의 필요성, 의료 분야 AI 배치의 윤리적 함의 등 생의학 분야에서 LLM이 직면한 도전 과제를 다룹니다. 이러한 도전 과제를 해결하기 위해 데이터 프라이버시 보호를 위한 연합 학습 방법 및 LLM 투명성 향상을 위한 설명 가능한 AI 방법론 통합 등 생의학에서 LLM의 미래 연구 방향도 제시합니다.