논문 30편을 3일 안에 읽어야 할 때 — Claude.ai로 문헌 검토를 줄인 방법
임상 연구자 소영은 체계적 문헌 검토(Systematic Review) 논문을 쓰고 있었다. 포함 기준에 맞는 논문이 30편이었다. 각 논문에서 환자 수, 결과 지표, 주요 결과, 비뚤림 위험을 추출해야 했다. 표 하나 채우는 데 표준적으로 2~3주가 걸리는 작업이었다.
논문 제출 마감은 6주 후였다.
Claude.ai에서 파일을 업로드할 수 있다는 걸 알게 됐다.
Claude.ai로 논문을 분석하는 방법
Claude.ai는 PDF 파일을 업로드할 수 있다. 업로드한 논문을 기반으로 질문하면, 해당 논문 내용에서 답을 찾아준다.
소영이 만든 질문 템플릿:
“이 논문에서 다음 정보를 추출해줘:
- 연구 설계 (RCT, cohort 등)
- 대상자 수 (intervention/control 그룹별)
- 주요 결과 지표 (primary endpoint)
- 주요 결과 (수치 포함)
- 저자가 언급한 주요 한계 각 항목 옆에 해당 내용이 나온 페이지 번호를 표시해줘.”
30편 각각에 같은 질문을 넣었다. 한 논문당 2~3분이면 답이 나왔다. 30편 전체 정보 추출에 이틀이 걸렸다.
어디서 믿고, 어디서 확인했나
믿을 수 있었던 것
논문 내 명확히 나온 수치 추출은 정확도가 높았다. 테이블에 있는 숫자, 결과 섹션의 통계값은 대부분 정확하게 가져왔다. 페이지 번호를 같이 요청했기 때문에, 의심스러운 것은 바로 원문에서 확인할 수 있었다.
반드시 확인한 것
숫자는 모두 원문과 대조했다. Claude가 “95% CI: 1.23 to 2.45”라고 추출했는데, 원문은 “95% CI: 0.89 to 2.45”인 경우가 실제로 있었다. 신뢰 구간의 하한이 달랐다. 임상 의미가 바뀌는 오류였다.
복잡한 연구 설계 판단도 직접 확인했다. “이 연구는 준실험 설계(quasi-experimental)“라는 판단에서 저자가 본문에 명시하지 않은 경우, Claude가 잘못 분류하는 경우가 있었다.
저자의 결론과 연구의 실제 결과를 구분하는 것도 Claude가 때로 혼동했다. 저자가 “결과가 유의하지 않았지만 임상적으로 의미 있을 수 있다”고 쓴 논문에서, Claude가 이를 “유의한 결과”로 요약한 경우가 있었다.
Claude의 컨텍스트 한계
한 번에 한 편의 논문을 분석할 때는 잘 작동했다. 여러 논문을 한 대화에 올리고 “논문 A와 B를 비교해줘” 형식으로 질문할 때는 정확도가 떨어졌다. 논문이 길수록 앞부분 내용을 나중에 덜 참조하는 경향이 있었다.
30편을 한 번에 올리는 건 불가능했다. 각 논문을 별도 대화에서 분석하고, 결과를 소영이 직접 표에 정리했다.
실제로 절약된 시간
소영의 추정으로는 30편 정보 추출에 원래 10~12일이 걸렸을 일이 3일로 줄었다. 절약된 시간을 비뚤림 위험 판단(RoB 평가)에 더 집중할 수 있었다. 이 부분은 연구자 판단이 필요해서 AI로 대체하지 않았다.
환자 정보가 포함된 데이터는 다르다
소영이 분석한 건 출판된 논문이었다. 만약 미출판 임상 데이터나 환자 기록이 포함된 파일이라면, 외부 AI 서비스에 업로드하기 전에 기관 데이터 사용 정책을 확인해야 한다.
Claude.ai는 Anthropic의 서버에서 처리된다. 기관 승인 없이 환자 데이터를 외부 서버에 올리는 것은 법적·윤리적 문제가 될 수 있다.
끝맺음 — 마감 일주일 전에 초고가 나왔다
소영은 마감 일주일 전에 문헌 검토 초고를 완성했다. Claude가 만들어준 정보 추출 표가 출발점이었고, 거기서 원문 대조와 연구자 판단을 더했다.
AI가 작업 시간을 줄여줬다. 하지만 연구의 품질은 여전히 소영이 각 논문을 이해하고 판단한 결과였다.
Claude.ai 무료 플랜은 파일 업로드 기능이 제한됨. Pro 플랜($20/월)에서 PDF 업로드 가능.
더 알고 싶다면
🔗 관련 글
- NotebookLM으로 논문 정리 — 소스 기반으로 더 엄격하게 답하는 AI 도구
- Perplexity AI로 논문 탐색 — 논문을 찾는 단계에서 쓰는 AI 검색
- 에이전틱 RAG — 복합 질문에 반복 검색을 결합하는 고급 방법