AI 성능이 인간 수준을 넘어서면서 AI가 일자리를 대체할 수도 있다는 우려의 목소리가 커졌습니다. 의학과 같은 전문 분야도 마찬가지였지요. 의사는 환자의 증상에 대해 설명을 듣고 처방하기도 하고, MRI 사진을 보거나 청진음을 듣고 진단을 내립니다. 이 과정을 AI 모델에 대입해본다면 텍스트, 이미지 등의 데이터를 입력 받아 진단과 처방 결과를 생성하는 과정입니다. 의료 AI(Medical AI)에서 분야는 크게 3가지로 나눠볼 수 있습니다.

1. 의료 영상 분석

   MRI, CT, X-ray 등 다양한 의료 영상을 AI를 활용하여 진단하고 분석합니다. 이미지 처리 모델을 통해 종양이나 병변의 위치와 크기를 정확하게 파악하여 진단의 정확도를 높입니다. 이 결과를 통해 의사의 판단을 보조하는 역할을 합니다.

2. 의료 자연어 처리

   전자의무기록(EMR)이나 의료 문서를 AI로 분석하여 유의미한 정보를 추출합니다. 텍스트 데이터를 분석하기 용이한 형태로 구조화하는 데 활용하기도 하고, 약물 간 상호작용을 예측하거나 환자 맞춤형 치료 계획을 세우는 데 도움을 주기도 합니다. 최근에는 의료 분야에 특화된 LLM을 개발해 복잡한 의학 질문에 대한 답변을 제공하는 연구도 진행되고 있습니다.

3. 생체 신호 분석

   심전도(ECG), 뇌파(EEG) 등 환자의 생체 신호 데이터를 AI로 분석하여 이상 패턴을 감지합니다. 예를 들어, 실시간 심전도 모니터링을 통해 부정맥이나 심근경색을 조기에 감지하거나, 뇌파 분석을 통해 간질 발작을 예측할 수 있습니다.
   
   

넓은 Medical AI 분야 중 활용 모델을 중심으로 구분해 보았는데요. 기존 AI 분야에서 제안된 모델을 의학 분야에 맞게 학습하여 특화된 모델로 개발하는 방식이 일반적입니다.

그러나 Medical AI 분야가 늘 AI 학계에 의존하지는 않습니다. 의학 분야 데이터의 특수성을 살려 개발한 모델이 반대로 AI 분야에 큰 영향을 끼치기도 합니다. 바이오의학의 분야에서 연구된 세그멘테이션 모델 U-Net (Ronneberger, Fischer & Brox, 2015)이 대표적인 사례입니다. 이렇듯 Medical AI 분야는 AI와 함께 성장하며 독자적인 연구 영역으로 발전하고 있습니다.

최근에는 언어 모델 성능이 비약적으로 향상되면서 이를 활용한 Medical AI 연구가 많이 발표됐는데요. 대표적으로 지난해 Google이 Med-PaLM을 발표해 세계 최고 과학 저널 Nature에 게재되기도 했습니다. 그외에도 BiomedGPT, Med-Gemini 등 SOTA 모델을 활용한 모델이 지속적으로 공개되고 있습니다.

환자의 증상을 상세히 설명하고 질문에 대한 답을 추론하는 예시. 출처: Google Research, <Med-PaLM>

위의 태스크를 살펴보면 기본적으로 데이터셋마다 정답을 요구하는 방식이 다르기 때문에 실험 역시 이를 고려하려 설계됐습니다. 평가 지표 역시 각 데이터셋별로 다르게 나타납니다. 그렇다면 각 태스크에 대해 o1의 성능은 어떤지 의학 데이터셋에 실험한 벤치마크 점수를 비교해보겠습니다.

위 그래프에서 살펴볼 수 있듯이, 전체적으로 GPT 시리즈 모델의 성능을 상회하며 o1 모델이 가장 뛰어난 결과를 보여줍니다. 놀랍게도 평균 성능뿐만 아니라 어떤 분야에서도 o1을 넘어서는 단일 모델이 없습니다. 즉, 모든 지표에서 o1이 가장 좋은 성적을 보입니다.

특히 추론에 있어 진일보한 결과를 보여줬는데요. 다른 태스크에 비해 성능 개선이 가장 크게 일어나기도 했으며, 특히나 수학 평가 지표(MedCalc-Bench)에서 기존 모델에 비해 훨씬 뛰어난 성능을 보입니다. 이는 실제 진단 시뮬레이션 상황에서도 큰 이점을 얻을 수 있는 요소입니다. 연구진은 o1 모델 덕분에 ‘AI 의사’ 개발에 한층 더 다가갔다는 결론을 내립니다.

o1 모델이 의학 분야에서 얼마나 좋은 성능을 보일 수 있는지 살펴봤습니다. 모델 자체가 새롭게 학습하기보다는 추론 방식을 달리했기에 비약적인 개선은 어렵습니다. 하지만 o1 모델이 의학 분야에서 거둔 뛰어난 성적은 다른 분야에 대한 응용 가능성을 의미합니다. 현재는 모델 평가를 위한 프로세스를 구축했지만, 더 많은 정보를 주입하거나 의학 내 도메인마다 특화된 데이터를 학습할 수 있는 프로세스를 구축한다면 훨씬 훌륭한 보조 역할을 하지 않을까 싶습니다.

: AI2가 새로운 오픈 소스 대형멀티모달모델(LMM) 'Molmo'를 출시했습니다. 이 제품군에는 Molmo-72B, Molmo-7B-D, Molmo-7B-O, MolmoE-1B 등 4종이 포함되어 있으며, 모두 허깅페이스에서 접근 가능합니다. Molmo-72B 모델은 이미지와 텍스트를 결합한 다양한 벤치마크에서 OpenAI의 GPT-4o, Anthropic의 Claude 3.5 Sonnet 등을 능가하는 성능을 보였습니다. 이 모델들은 인간이 상세하게 설명한 60만개의 이미지 데이터셋을 기반으로 훈련됐으며, 이미지 내의 객체를 정확히 식별하고 질문에 대답할 수 있는 능력을 갖추고 있습니다. AI2는 이 기술을 활용하여 보다 정교한 웹 에이전트를 개발할 계획입니다.

OpenAI, 앞으로 구독료 인상할까?

: OpenAI가 ChatGPT 구독료를 인상할 것으로 예상됩니다. NYT 등 외신은 OpenAI는 2029년까지 매출 목표를 1000억 달러로 설정하고 있으며 현재 예상 매출은 올해 37억 달러에서 내년에 116억 달러로 증가할 것으로 보고 있습니다. 그러나 인건비 등 여전히 비용 지출이 커 OpenAI는 올해 50억 달러의 손실을 예상하고 있다고 전했습니다.

국가인공지능위원회 출범, AI 기본법 제정 움직임 보여

: 대통령실은 딥페이크와 같은 AI 악용 문제에 대한 적극적인 규제를 도입할 예정이라고 밝혔습니다. 지난 26일, 윤석열 대통령이 주재한 ‘국가인공지능위원회 출범식 및 제1차 회의’에서 인권을 침해하는 디지털 문제들에 대한 논의가 진행됐습니다. AI 발전을 지원하고 부작용을 방지하는 내용을 포함한 AI 기본법의 입법도 추진 중입니다. 윤 대통령은 대한민국을 2027년까지 AI 3대 강국으로 만들겠다는 목표를 세우고, 이를 위해 국가 AI 컴퓨팅 센터 구축과 같은 대규모 투자를 발표했습니다.