본 논문은 2006년부터 2024년까지 978편의 논문을 검토하고 54개의 연구를 분석하여 자동화 메타분석(AMA)의 현재 상태를 평가하는 구조화된 프레임워크를 제시하는 PRISMA 체계적 검토입니다. 자동화된 데이터 처리(데이터 추출 및 통계적 모델링 등, 57%)에 초점이 맞춰져 있고, 고급 합성 단계(17%)를 다루는 연구는 부족하며, 전체 프로세스 자동화를 탐구한 연구는 단 1건(2%)에 불과하여 포괄적인 합성 능력에 제한이 있음을 보여줍니다. 대규모 언어 모델(LLM)과 같은 AI 기술의 발전에도 불구하고, 통계적 모델링 및 이질성 평가, 편향 평가와 같은 고차원 합성 과정에 대한 통합은 미흡하여 완전한 자율 메타분석에 대한 잠재력을 제한하고 있습니다. 의학(67%) 및 비의학(33%) 분야에서 AMA의 구현 패턴과 효율성, 확장성, 재현성 개선 효과는 다양하게 나타났으며, 특정 메타분석 작업의 자동화는 향상되었지만, 완벽한 엔드-투-엔드 자동화는 여전히 해결해야 할 과제입니다. AI 시스템의 추론 및 문맥 이해 능력이 향상됨에 따라 이러한 격차를 해소하는 것이 중요하며, 향후 연구는 모든 메타분석 단계에 걸친 자동화, 해석력 개선 및 방법론적 강건성 확보에 초점을 맞춰야 합니다.
