약물 전달 시스템 산업은 빠르게 발전하고 있으며, 이에 관련된 논문의 수 또한 꾸준히 증가하고 있다. 하지만 방대한 연구 데이터를 효과적으로 분석하고, 세부적인 연구 흐름을 파악하는 것은 여전히 어려운 과제로 남아 있다. 기존의 연구 동향 분석은 주로 연구자의 주관에 의존하거나, 세부적인 연구 내용을 심층적으로 분석하는 데 한계가 있다. 이러한 문제 를 해결하기 위해, 본 연구는 텍스트 마이닝과 대규모 언어모델(LLM, Large Language Model)을 결합한 방식을 사용하였 다. 특히, BERTopic과 LLM을 결합하여 논문 초록을 분석함으로써 주요 연구 토픽뿐만 아니라 각 토픽에 대한 세부 연구 내용을 심층적으로 분석하였다. 기존 토픽모델링의 한계인 연구자의 주관 개입과 세부적인 토픽 내용을 파악하기 어려운 문제를, LLM과 검색 증강 생성(RAG, Retrieval-Augmented Generation) 방식으로 보완하였다. 토픽명을 짓는 데 LLM을 활용했으며, RAG를 통해 각 토픽에 대한 세부 연구 내용을 분석했다. 이러한 분석 방법은 연구 동향 분석에 새로운 접근 을 제시할 뿐만 아니라, 다양한 학문 분야에도 적용할 수 있을 것으로 기대된다.
