PICO를 AI로 추출하는 법.라벨 붙이기로 끝내지 않는 확인법

PICO는 연구 질문을 네 요소로 구조화하는 틀입니다. P(Patient/Population: 환자·대상), I(Intervention/Exposure: 중재·노출), C(Comparison: 비교 대조), O(Outcome: 결과).

참고로 관찰연구에서는 I를 '중재'가 아니라 Exposure(노출)로 읽는 편이 자연스러운 경우가 있는데, 이를 PECO라고 부릅니다. 흡연이나 직업성 요인처럼 연구자가 배정하지 않는 요인을 다루는 연구가 여기에 해당합니다.

PICO의 네 요소는 논문의 정해진 자리 — 주로 Abstract와 Methods — 에 적혀 있어서 AI 추출과 궁합이 좋은 정보입니다.

여러 논문을 같은 네 축으로 나란히 놓고 싶을 때, AI가 초안을 만들고 사람이 확인하는 흐름은 처음부터 수작업으로 하는 것보다 빠르고 누락도 줄어듭니다. 여기까지는 안심하고 사용해도 됩니다.

문제는 AI의 PICO 추출이 '그럴듯하게 틀리는' 경우가 있다는 점입니다.

가장 흔한 것이 O의 어긋남입니다. 논문이 일차 결과변수(primary outcome)로 정의한 결과가 아니라 Abstract에서 눈에 띄었던 이차적 결과를 O 자리에 놓아 버리는 패턴입니다. 그 네 줄을 믿고 고찰을 진행하면 비교표 전체가 비뚤어집니다.

그래서 AI가 추출한 PICO에는 정해진 확인 장소가 있습니다. 원문 PDF의 Methods입니다.

P는 선정·제외 기준의 기재와, I와 C는 중재·대조군의 구체적 설명과, O는 일차 결과변수의 정의 — 무엇을, 어느 시점에, 어떻게 측정하는가 — 와 맞춰 봅니다. 여기가 일치하면 그 PICO는 믿을 수 있습니다.

PICO를 검증 도구로만 쓰지 않고 연구 질문의 뼈대로 바라보면 한층 깊이 읽을 수 있습니다.

이 논문의 네 요소 조합은 내 질문과 어디가 같고 어디가 다른가? C 설정은 내가 알고 싶은 것에 적합한가? PICO 비교는 논문들의 '답'이 아니라 '질문을 세우는 방식'을 비교하는 작업입니다. 이 감각이 잡히면 문헌 분류가 빠르고 정확해집니다.

확인을 거친 PICO는 논문과 함께 남겨 둘 때 비로소 자산이 됩니다.

Paperfy에서는 논문마다 AI 요약을 직접 편집할 수 있어서 "P: 65세 이상 수술 후 환자 / I: 조기 보행 프로토콜 / C: 통상 케어 / O: 수술 후 섬망 발생률(일차, Methods p.5에서 확인)"처럼 확인이 끝난 PICO를 요약에 적어 둘 수 있습니다. 나중에 다시 열면 확인의 흔적까지 그대로 돌아옵니다.

마지막으로 PICO의 또 다른 용도입니다. 자신의 연구 질문을 PICO로 정리하면 그대로 검색어의 설계도가 됩니다.

P·I·O 각각의 동의어를 나열해 조합하면 검색식의 골격이 만들어집니다. 추출 단계만이 아니라 검색 단계부터 PICO를 활용해 보세요.