Bibliometric mapping of artificial intelligence research in surgical education (1997–2025)

Motivation

• Known: 수술 교육은 전통적으로 도제식 모델에 의존해 왔으며, AI 기술(machine learning, natural language processing, computer vision)이 이를 혁신할 수 있는 잠재력이 있다는 것이 알려져 있다.
• Gap: AI 관련 수술 교육 연구가 급증했으나, 이 분야의 포괄적인 연구 동향 분석, 영향력 있는 기여자, 진화하는 주제에 대한 체계적 이해가 부족하다.
• Why: 수술 교육에서 AI의 변혁적 역할을 이해하고, 미래 연구 방향 설정 및 실무 개선을 위해 현장의 종합적 현황 파악이 필수적이다.
• Approach: Web of Science Core Collection에서 'surgery' AND 'education' AND 'artificial intelligence'로 검색한 572개 문헌을 bibliometrix 패키지를 사용하여 출판 현황, 저자-기관 네트워크, 국제 협력, 인용 분석, 주제 매핑을 수행했다.

Achievement

Figure 2C shows the top 30 core journals, with the top three

• 논문 규모 및 성장: 572개 문헌, 3,228명 저자, 332개 저널, 18.39% 연간 성장률로 1997년 1편에서 2024년 254편으로 급증
• 지역 리더십: 미국과 영국이 연구 주도, Harvard University가 최상위 기관
• 주제 진화: Augmented reality, Video, Performance가 성숙한 연구 테마(motor themes), Large language models이 최근 emerging topics
• 국제 협력: 국제 협력 논문이 25.17%로, 주로 선진국 간 협력이 주를 이룸
• 영향력 있는 주제: Human-robot interaction과 AI-based simulation training이 인용 분석상 가장 영향력 있는 연구 주제

How

• Web of Science Core Collection을 유일한 데이터 소스로 활용 (2025년 5월 13일까지)
• 검색어: 'surgery' AND 'education' AND 'artificial intelligence'", 'R 언어 bibliometrix 패키지 (version 4.2)를 사용하여 데이터 처리 및 분석
• 데이터 전처리: DOI 및 제목 기반 중복 제거, 저자명 및 기관 정규화, 키워드 정제
• 분석 포함: 기본 출판 특성, 고영향 저널, 저자-기관 분석, 국가/지역 분포, 높은 인용 논문, 키워드-주제 분석, 인용 네트워크 및 공동인용 분석

Originality

• 1997년부터 2025년까지의 28년간 장기간 데이터를 포함한 포괄적 문헌계량학 분석으로, 초기 단계 연구부터 현재 LLM 활용까지의 진화 과정을 보여줌
• 단순 출판 통계를 넘어 thematic maps, 인용 네트워크, 국제 협력 패턴을 종합적으로 분석하여 다층적 인사이트 제공
• 수술 교육과 AI의 교집합에서 체계적 지식 지도를 최초로 구성하여, 향후 연구 및 임상 적용 방향을 제시

Limitation & Further Study

• 데이터 소스 제한: Web of Science Core Collection만 사용하여 PubMed, Scopus 등 다른 주요 데이터베이스의 논문이 누락될 가능성
• 언어 제한: 비영문 논문 제외로 비영어권 연구 기여도 과소평가
• 2025년 불완전 데이터: 2025년은 5월까지의 데이터만 포함되어 연간 비교 분석에 제약
• 개별 논문 질평가 부재: 문헌계량학적 지표만 사용하여 각 논문의 실질적 연구 품질 평가 미수행
• 향후 연구: (1) 다중 데이터베이스 통합 분석, (2) 시스템 리뷰/메타분석을 통한 방법론 및 효과성 평가, (3) 개발도상국 연구 참여 증진 방안, (4) 개인화 학습 시스템 및 디지털 격차 해소 방안에 대한 구체적 검토

Evaluation

총평: 수술 교육 분야에서 AI 연구의 급속한 성장과 지역적 격차를 체계적으로 매핑한 포괄적 문헌계량학 연구로, 기존 문헌의 부재를 채우고 미래 연구 및 교육 정책 수립에 실질적 근거를 제공한다. 다만 데이터 소스 다양화 및 개별 논문 질평가를 보완하면 더욱 완성도 있는 분석이 될 수 있다.