바이오스펙테이터

바이오스펙테이터 김성민 기자

과기정통부 의료 특파모 과제 완수..23개 산·학·연·병 기관과 공동 수행

의료 AI 기업 루닛(Lunit)은 정부의 국가 전략사업인 ‘의과학 특화 파운데이션 모델’ 프로젝트를 성공적으로 완수하고, 의료 특화 파운데이션 모델 ‘러닝유닛2.0(LearningUnit 2.0)’을 개발 완료했다고 6일 밝혔다.

의료기관 내부에서 구동 가능한 300억(활성 50억) 파라미터 규모의 비교적 경량모델이며, 루닛은 개발 결과물을 허깅 페이스(Hugging Face)에 오픈소스로 공개했다.

루닛은 지난해 10월 과학기술정보통신부의 ‘인공지능 특화 파운데이션 모델’ 프로젝트 주관기관으로 선정, 약 10개월 간 23개 산·학·연·병으로 구성된 컨소시엄을 이끌며 모델 개발과 의료 현장 실증을 진행해왔다.

러닝유닛 2.0은 의료 관련 질문에 답하는 데 그치지 않고 실제 의료 업무의 흐름을 이해하고 단계적으로 지원할 수 있도록 설계된 것이 특징이다. 에이전트 구조를 기반으로 데이터를 분석하고 판단 근거를 제시하며, 후속 업무까지 하나의 흐름으로 연결한다.

이번 프로젝트에서 다룬 주요 영역은 △임상 의사결정 지원 △응급실 환자 분류 및 초기 판단 지원 △다학제 진료 지원 △이상 약물반응 인과성 평가 △보험 심사·청구 등의 병원 업무다. 의료진의 임상 판단을 돕는 영역부터 의료기관의 업무 부담이 큰 보험 심사와 행정 영역까지 적용 범위를 넓혀 현장 활동 가능성을 검증했다.

루닛은 약 6개월간 국민건강보험 일산병원, 건양대학교병원, 고려대학교 의료원 등 전국 9개 의료기관과 함께 실제 현장 데이터를 활용해 러닝유닛 2.0과 에이전트의 실증을 진행했다.

특히 여러 진료과 전문의가 함께 암 환자의 치료 방침을 결정하는 다학제 진료는 임상 의사결정 가운데 가장 고난도로 꼽힌다. 실제 암 환자 사례를 대상으로 다기관에 평가한 결과, AI 모델이 제시한 방침의 86.2%가 임상적으로 타당한 수준으로 평가됐다. 응급실 중증도 분류(KTAS)와 약물이상반응 인과성 판정(ADR)에서도 전문의 판정과 한 단계 이내에서 일치한 비율이 각각 98%로 나타났다.

보험 심사, 청구 영역에서는 평가 관계자들이 모델 답변의 85.6%를 실무에 사용 가능한 수준으로 평가했다. 44건의 고난도 질의를 그대로 평가한 만큼, 현장에서 판단이 까다로운 사안들이 충실히 반영됐다.

논문과 임상기록, 약물정보, 진료 가이드라인 등 의료 전 영역의 데이터를 학습한 러닝유닛 2.0은 의료 지식 추론, 인용 사실성, 의료 대화 안정성 등 주요 벤치마크 전 항목에서 모두 목표 성능을 달성했다. 해당 성능은 제3자 검증을 거쳤다.

루닛은 프로젝트 제안 단계에서 4종의 의료 벤치마크를 대상으로 세계 최고 수준의 정확도를 달성하겠다는 목표를 제시했고, 이를 모두 충족했다도 설명했다. 추가로 프로젝트 성과지표에 포함되지 않았던 의료 벤치마크까지 더한 17개 항목 전체에서도 글로벌 빅테크의 프런티어 모델과 견줄만한 평균 정확도를 기록했다.

특히 300억 파라미터 규모의 모델이 1200억 파라미터 규모의 오픈소스 모델 ‘GPT-OSS’보다 높은 정확도를 보였고, 이보다 수백 배 더 큰 것으로 추정되는 ‘GPT 5.2’와도 유사한 수준을 나타냈다. 환자의 정보가 의료기관 밖으로 나가서는 안되는 의료 분야에서, 병원 내부에서 구동 가능한 크기로 이러한 성능을 구현했다는 점에 사업적 의미가 크다.

서범석 루닛 대표는 “러닝유닛 2.0은 특정 질환이나 단일 기능에 국한된 모델이 아니라, 병원이 매일 수행하는 업무 전반을 지원하는 인프라”라며 “국내 의료 현장의 실제 업무에서 성능을 확인한 만큼, 의료진과 환자 모두에게 도움이 되는 기술로 발전시켜 나가겠다”고 말했다.

루닛은 지난해 10월 과기정통부 국가 전략사업 주관기관 선정 이후, 올해 4월 1단계 임상 실증을 통과하고 2단계 의료 현장 실증과 모델 고도화를 이어왔다. 지난 8월에는 대학(원)생, 임상의, 엔지니어 등이 참가한 ‘의료 특화 파운데이션 모델 해커톤’을 주최하며 의료 특화 AI 생태계 확산에도 힘써왔다.