Exploring Trends in Healthcare Open Source Software on GitHub: LLM-Based Topic Augmentation and Network Analysis

GitHub에서 오픈소스 헬스케어 프로젝트가 증가함에 따라 이 분야의 새로운 연구 동향과 기술적 발전에 대한 유용한 정보를 얻을 수 있다. 그러나 사용자들이 정의한 주제가 항상 동일하지 않고 충분하지 않기 때문에 이러한 저장소를 분석하는 것은 쉽지 않다. 본 연구는 대규모 언어 모델(LLM)을 활용하여 주제를 보완하고 표준화함으로써 연구 주제를 보다 신뢰성 있게 분류할 수 있도록 하였다. 본 연구는 GitHub 저장소 메타데이터를 활용하여 세 가지 분석을 수행하였다. 첫째, 주제가 시간에 따라 어떻게 변화했는지를 살펴보기 위한 빈도 분석, 둘째, 연구 영역 간의 관계를 탐구하기 위한 의미 네트워크 분석, 셋째, 주요 주제의 역할이 시간에 따라 어떻게 변화했는지를 살펴보기 위한 중심성 사분면 분석이다. 분석 결과, 전통적인 데이터 분석 주제에 대한 직접적인 언급은 줄어든 반면, 특히 헬스케어 애플리케이션 및 환자 관리와 관련된 AI 기반 헬스케어 솔루션이 더욱 주목받고 있는 것으로 나타났다. 또한 헬스케어 연구는 기술적 전문화 심화와 학제 간 통합의 결과로 점점 더 복잡해지고 있음을 보여준다.