earticle

영어

As the population ages, the importance of early diagnosis and prediction of dementia is growing. This study investigated the diffusion and development trajectory of machine learning and deep learning technologies in dementia research from 2013 to 2025 through time-series and network analyses. Based on 8,422 publications retrieved from the PubMed database, keyword frequency, clustering, and degree centrality analyses were conducted to identify the structural and thematic landscape of the field. Results showed that ‘humans,’ ‘Alzheimer disease,’ and ‘machine learning’ consistently held high centrality, with research trends evolving from early image-processing-based studies to molecular biology and, more recently, to patient-centered clinical and public health applications. Four main research clusters were identified—medical image analysis, molecular biology/genetics, epidemiology and clinical data analysis, and elderly care/technology utilization—forming an interconnected yet distinct structure. These results indicate that dementia research is evolving into integrative and practical studies alongside the spread of AI-based basic and applied technologies, and are expected to provide useful insights for setting strategic directions for future dementia research.

한국어

고령화 사회에서 치매 환자가 빠르게 증가함에 따라 조기 진단 및 예측의 중요성이 커지고 있다. 본 연구는 2013년 부터 2025년까지 발표된 치매 관련 머신러닝 및 딥러닝 연구를 대상으로 시계열·네트워크 분석을 통해 기술 확산과 발전 경로를 규명하였다. PubMed 데이터베이스에서 수집한 8,422편의 문헌을 기반으로 키워드 빈도, 클러스터, 연결중심성 분석을 수행하여 연구의 구조와 핵심 주제를 도출하였다. 분석 결과, ‘humans’, ‘alzheimer disease’, ‘machine learning’은 전 기간에 걸쳐 높은 중심성을 유지하였으며, 시기별로는 초기 영상처리 기반 연구에서 분자 생물학 연구를 거쳐 환자 중심의 임상·공중보건 연구로 발전하는 경향을 보였다. 4개의 주요 연구 클러스터(의료영 상 분석, 분자생물학·유전학, 역학·임상 데이터 분석, 노인 돌봄·기술 활용)가 식별되었으며, 각 클러스터는 독립적 이면서도 상호 연계된 구조를 형성하였다. 이러한 결과는 치매 연구가 AI 기반 기초·응용 기술의 확산과 함께 융합 적·실용적 연구로 진화하고 있음을 보여주며, 향후 치매 연구의 전략적 방향을 설정하는 데 유용한 시사점을 제공할 것으로 기대된다.