서울대학교 RUBIS Lab: ADHD 진단 보조 의료 AI 개발에 엘리스클라우드 H100 GPU 도입

ADHD 진단을 보조하는 의료 AI를 개발 중인 서울대학교 RUBIS Lab

서울대학교 컴퓨터공학부 실시간 유비쿼터스 시스템 연구실(이하 RUBIS Lab, 지도교수 이창건)은 실시간 시스템과 사이버물리시스템(컴퓨터와 물리 환경이 실시간으로 상호작용하는 시스템) 분야를 기반으로 디지털 헬스케어, 지능형 모빌리티 등 다양한 융합 연구를 수행하고 있습니다. 이번 ADHD 진단 보조 의료 AI 과제 또한 연구실의 디지털 헬스케어 연구 흐름의 일부로, 협력 의료기관과 함께 진행하고 있습니다.

연구실이 개발 중인 모델은 소아정신의학과 임상의의 ADHD 진단을 보조하는 리포트 생성 LLM(거대 언어 모델)입니다. 인지 검사 과정에서 수집하는 시선 추적(eye tracking), 음성 등 종류의 센서 데이터를 활용하여 진단 과정에서 임상의가 진단 과정에서 참고할 수 있는 보조 정보를 제공하는 AI 모델입니다.

실험을 많이 돌릴수록 모델 완성도가 올라가는 의료 AI 연구

임상 현장에서 활용 가능한 의료 AI 모델을 만들려면 데이터 구성과 학습 조건을 다양하게 바꿔가며 반복적으로 학습·평가해야 합니다. 시선 추적, 음성, 생체 신호처럼 서로 다른 구성 요소의 센서 데이터를 함께 다루는 경우 연산 부담은 더 커지고, 한 번의 실험 사이클이 길어질수록 모델이 임상 보조 수준에 도달하기까지의 시간도 길어집니다.

연구실 또한 자체 서버에서 실험을 돌리던 시기에는 작은 테스트 하나의 결과 확인까지 몇 시간에서 거의 하루가 걸리는 경우가 있었습니다. 데이터셋 구성과 학습 조건을 빠르게 검증하기 어려웠고, 실험 사이클을 줄여줄 GPU 클라우드 인프라가 필요한 상황이었습니다.

사용 패턴에 맞는 비용 구조를 제공한 엘리스클라우드 온디맨드 플랜

연구실은 이전에 AWS, K사 등 여러 클라우드 서비스를 사용한 경험이 있었습니다. 그러나 사용하지 않는 시간에도 비용이 계속 청구되어 부담이 컸고 인스턴스 정리 등 운영 절차도 번거로운 편이었습니다.

엘리스클라우드의 온디맨드 요금제는 필요할 때만 집중적으로 사용하고, 사용하지 않을 때는 비용 부담을 줄일 수 있는 구조입니다. 이러한 구조가 학습과 추론이 특정 시점에 집중되는 의료 AI 연구의 사용 패턴과 맞아 엘리스클라우드를 도입하게 되었습니다.

LLM 학습·추론 단계에서 활용한 엘리스클라우드 H100 GPU

연구실의 의료 AI 개발 워크플로우는 다섯 단계로 구성됩니다. ① 인지 검사에서 수집한 시선·음성 등 센서 데이터를 정리·보정하는 전처리, ② 정리된 데이터를 LLM이 학습할 수 있는 형태로 가공하여 학습용 데이터셋 구성, ③ 이 데이터셋으로 LLM 학습, ④ 학습된 모델로 진단 보조 리포트를 생성하는 추론, ⑤ 여러 후보 모델의 결과를 비교·검증해 가장 적합한 모델을 선정하는 단계입니다.

이 가운데 연산 부담이 큰 LLM 학습·추론과 모델 비교 실험을 엘리스클라우드 H100 GPU 환경에서 수행하고 있습니다. 사용 빈도는 평균 주 3~4회이며, 과제에 참여하는 연구원들이 데이터셋 구축, 모델 학습, 추론·비교를 분담해 진행합니다.

하루 가까이 걸리던 의료 AI 실험을 한두 시간 내로 단축

가장 크게 체감된 변화는 실험 시간 단축입니다. 연구실 자체 서버에서는 작은 테스트 하나의 결과 확인까지 몇 시간에서 거의 하루가 소요되는 경우가 있었지만, 엘리스클라우드 H100 GPU 환경으로 전환한 이후에는 동일한 수준의 테스트를 몇 분에서 길어도 한두 시간 내에 확인할 수 있게 되었습니다. 실험 사이클이 짧아지면서, 데이터셋 구성과 학습 조건을 더 자주 바꿔가며 검증하는 흐름이 가능해졌습니다.

성능과 안정성 측면에서도 만족스러운 결과를 얻고 있습니다. 학습과 추론이 모두 안정적으로 수행되어 온디맨드 환경에서도 자체 서버와 동등한 수준의 안정성을 확인할 수 있었습니다. 가격 대비 성능 측면에서도 기존에 사용했던 다른 클라우드 서비스와 비교해 메리트가 컸다는 평가입니다.

"AI 연구를 하는 대학 연구실은 자체 서버만으로는 연구나 과제를 진행하기 어려워 여러 클라우드 서비스를 비교하게 됩니다. 엘리스클라우드는 비용 측면의 메리트가 크고 성능과 안정성도 좋으며 인스턴스 관리 등 전반적인 사용성도 편리합니다." — 서울대학교 RUBIS Lab 연구원

의료 AI 연구·개발 현장에서 활용하는 엘리스클라우드

RUBIS Lab은 ADHD 진단 보조 LLM 개발 외에도 센서 데이터를 기반으로 하는 딥러닝 모델 연구에 엘리스클라우드를 계속 활용할 계획입니다. 멀티모달(시선, 음성 등) 센서 데이터를 다루는 의료 AI 연구는 학습과 추론이 특정 시점에 집중되는 사용 패턴이 일반적이어서 온디맨드 GPU 인프라와의 적합도가 높은 영역입니다.

엘리스클라우드는 1,400만 건의 흉부 X-ray 의료영상을 학습해 국내 최초 생성형 의료기기 인허가에 도전 중인 숨빗 AI, 유전체 분석 AI 모델 학습과 LLM 기반 서비스를 함께 운영하는 지놈케어 등 의료·바이오 AI 분야의 다양한 기업·연구실에서 GPU 인프라로 활용되고 있습니다. 진단 보조, 의료영상 판독, 유전체 분석에 이르기까지 연구 단계의 반복 실험부터 상용 서비스 배포까지 의료 AI의 전 주기를 지원하는 인프라로 자리 잡고 있습니다.

의료 AI 연구·개발에 적합한 GPU 클라우드를 찾고 있다면 엘리스클라우드 고객사례에서 다양한 의료·바이오 AI 도입 사례를 확인해보세요.