본 논문은 의료 영상 분야에서 딥러닝의 잠재력을 극대화하기 위한 프롬프트 기반 방법론을 체계적으로 검토합니다. 데이터 부족, 분포 변화, 강력한 작업 일반화의 필요성과 같은 어려움에도 불구하고, 프롬프트 엔지니어링은 재훈련 없이도 모델 성능과 적응성을 크게 향상시키는 유연하고 도메인 특정적인 적응을 제공하는 핵심 전략으로 부상했습니다. 본 논문에서는 텍스트 지시, 시각적 프롬프트, 학습 가능한 임베딩 등 다양한 프롬프트 방식을 분석하고, 이미지 생성, 분할, 분류와 같은 핵심 작업에 대한 통합을 분석합니다. 정확도, 강건성, 데이터 효율성 향상 및 수동 특징 엔지니어링에 대한 의존도 감소와 같은 결과를 통해 프롬프트 기반 방법론의 효과를 보여줍니다. 하지만 프롬프트 설계 최적화, 데이터 이질성, 임상 배포를 위한 확장성 확보 등의 과제도 제시하며, 다중 모드 프롬프팅 및 강력한 임상 통합과 같은 미래 방향을 제시합니다.
