의학 지식의 급증과 임상 실무의 복잡성 증가로 인해 대규모 언어 모델(LLM)의 가치가 입증되었지만, 본질적인 한계가 존재한다. Retrieval-augmented generation(RAG) 기술은 임상 적용 가능성을 향상시킬 잠재력을 보여준다. 본 연구는 의학 분야의 RAG 응용 사례를 검토했다. 연구는 주로 공개 데이터를 사용하고, 개인 데이터 적용은 제한적이었다. 검색의 경우, 영어 중심 임베딩 모델에 의존했으며, LLM은 대부분 일반적이었고 의료 특정 LLM의 사용은 제한적이었다. 평가는 자동화된 메트릭을 통해 생성 품질과 작업 성능을 평가하고, 정확성, 완전성, 관련성, 유창성에 중점을 둔 인적 평가를 수행했으나, 편향과 안전성에 대한 충분한 주의는 부족했다. RAG 적용은 질의응답, 보고서 생성, 텍스트 요약, 정보 추출에 집중되었다. 전반적으로, 의료 RAG는 초기 단계에 있으며, 신뢰할 수 있고 책임감 있는 글로벌 사용을 위해서는 임상 검증, 다국어 적응 및 저자원 환경 지원에 대한 발전이 필요하다.
