최근 국내 최초 생성형 의료기기 인허가를 목표로 하는 의료 AI 스타트업 숨빗 AI가 주목받고 있습니다. 숨빗 AI가 개발 중인 흉부 X-ray 초안 판독문 생성 소프트웨어는 식품의약품안전처 임상시험계획(IND)을 승인받고 임상 단계에 들어섰습니다. 생성형 AI가 실제 의료 현장에서 판독문을 초안 수준으로 작성하는 시대가 눈앞에 다가온 것입니다. *출처: 연합뉴스
전 세계적으로 의료영상 검사 수요는 지속적으로 증가하고 있습니다. 검진과 조기 진단이 강조되면서 X-ray, CT, MRI 등 영상 검사 건수는 빠르게 늘고 있지만 이를 판독할 영상의학과 전문의 수는 그 증가 속도를 따라가기 어렵습니다. 그 결과, 판독 지연, 의료진의 업무 과중, 응급 및 중증 환자 케어의 지연과 같은 문제가 의료 현장에서 반복적으로 발생하고 있습니다. 보건의료 AI 스타트업 숨빗 AI는 이러한 구조적 병목을 생성형 AI 기술로 완화하고 영상의학과 전문의가 더 빠르고 안정적으로 판독을 완료할 수 있도록 지원하는 인프라 구축에 나섰습니다.
숨빗 AI의 비전-언어(VLM) 기반 판독 AI 모델
숨빗 AI는 의료영상과 관련 임상정보를 함께 이해하는 비전-언어(Vision-Language) 기반 생성형 AI 모델을 개발하는 의료 AI 스타트업입니다.
흉부 X-ray에 특화된 소프트웨어 ‘AIRead-CXR’는 흉부 X-ray 영상을 기반으로 판독 결과를 반영한 초안 판독문을 자동 생성합니다. 영상에서 탐지해야 할 다양한 소견을 분석하고, 그 결과를 바탕으로 개인화된 초안 판독문과 비정상 가능성 정보를 함께 제시함으로써 영상의학과 전문의가 더 빠르고 일관된 방식으로 판독을 완료할 수 있도록 돕습니다.
영상의학과 전문의는 기존처럼 판독문을 처음부터 작성할 필요 없이 AIRead-CXR가 생성한 초안을 검토하고 수정하는 방식으로 판독을 마무리할 수 있습니다. 이는 반복적인 문서 작성 업무를 줄이고 의사가 영상 분석과 임상적 판단에 더 집중할 수 있게 하는 것을 목표로 합니다.
보건의료 데이터를 AI에 안전하게 학습시키기 위한 인프라 조건
숨빗 AI가 다루는 데이터는 민감한 보건의료 데이터입니다. 이 때문에 클라우드 인프라를 선택할 때 가장 먼저 고려한 것은 성능이나 편의성이 아니라 데이터 보안과 규제 준수였습니다. 특히 국내 의료기관과 협업해 데이터를 활용하는 만큼 데이터센터가 물리적으로 국내에 존재하는지, 스토리지와 컴퓨팅 자원이 어떻게 분리·관리되는지 등이 중요한 판단 기준이었습니다.
“의료 데이터를 다루는 회사다 보니 무조건 데이터센터가 국내에 있어야 했습니다. 여기에 GPU 사양, 속도, 가격까지 모두 고려해야 했는데, 이 조건을 동시에 만족하는 선택지가 많지 않았습니다.” - 숨빗 AI 구자욱 AI 연구이사
보안과 비용을 한번에 해결한 엘리스클라우드
숨빗AI는 엘리스클라우드에서 베어메탈 서버를 선택했습니다. 생성형 모델 학습은 한 번 학습에 필요한 컴퓨팅 자원이 크고, 모델 완성도를 높이기 위해 반복 실험이 필수적입니다. 이때 사용량 기반 과금 구조에서는 실험을 추가할 때마다 비용이 누적되기 때문에 연구자 입장에서는 시도를 확장하는 데 심리적/금전적 부담이 생깁니다. 반면 베어메탈은 일정 기간 전용 자원을 확보해 안정적으로 활용할 수 있어 많은 실험을 쉼 없이 수행하는 방식으로 연구할 수 있었습니다.
“한 번 학습할 때 필요한 컴퓨팅 자원이 크고, 실험도 많이 돌려야 했습니다. 온디맨드 환경에서는 실험을 추가할 때마다 비용 부담이 커질 수 있는데, 엘리스클라우드에서는 베어메탈을 제안해 주신 덕분에 마음 놓고 실험을 확장하면서 학습을 시작할 수 있었습니다.” - 숨빗 AI 구자욱 AI 연구이사
또한 베어메탈 서버는 스토리지가 완전히 분리된 구조를 취할 수 있어 보건의료 데이터 보안 측면에서도 유리했습니다. 서버 위치가 국내에 있고, 스토리지와 컴퓨팅 자원을 별도로 관리할 수 있었기 때문에 숨빗 AI 입장에서는 규제와 보안 요구사항을 충족하는 인프라를 구성하기 용이했습니다.
1,400만 건의 방대한 데이터 학습, 그리고 국내 최초 인허가 도전까지
숨빗 AI는 엘리스클라우드를 활용해 1,400만 건의 흉부 X-ray 데이터를 기반으로 생성형 의료 AI 모델을 학습했습니다.
생성형 모델은 설정과 데이터 구성에 따라 성능이 민감하게 달라지는 경우가 많습니다. 완성도를 높이기 위해서는 다양한 조합을 실험하고, 수많은 학습과 검증을 반복해야 합니다. 숨빗 AI는 베어메탈 환경 덕분에 연구를 적극적으로 확장하여 모델 성능을 끌어올릴 수 있었습니다.
“엘리스클라우드를 사용하면서 수많은 실험을 부담 없이 돌릴 수 있었고, 그 과정에서 모델 성능을 한 단계씩 끌어올릴 수 있었습니다. 그 결과 지난 1년 동안 국제학회에 4편 이상의 논문을 발표할 수 있었습니다.” - 구자욱 AI 연구이사
반복 실험을 충분히 진행할 수 있었던 엘리스클라우드의 인프라 및 비용 덕분에 숨빗 AI는 논문 발표 및 생성형 의료기기 인허가 준비 과정에서도 실질적인 성과를 거둘 수 있었습니다. 실제 임상 환경에서 사용할 수 있는 수준의 모델을 만들기 위해서는 다양한 환자군의 다양한 상황에서의 안정성을 확인해야 합니다. 숨빗 AI는 엘리스클라우드에서의 대규모 실험과 학습을 바탕으로, 국내 최초 생성형 의료기기 인허가에 도전할 수 있는 기술적 기반을 마련했습니다.
스케일업을 향한 다음 단계
숨빗 AI의 목표는 현재 개발 중인 흉부 X-ray 생성형 AI 모델을 포함 CT, MRI 등 다양한 영상 자료와 임상 데이터를 아우르는 멀티모달 파운데이션 모델을 구축하는 것입니다.
이를 위해서는 더 큰 규모와 더 높은 수준의 유연성을 갖춘 클라우드 인프라가 필요합니다. 모델 크기가 커지고 멀티태스크로 확장될수록 GPU 메모리와 연산 성능은 물론, 스토리지 용량과 속도, GPU와 스토리지 간 네트워크 대역폭이 중요해집니다. 학습을 많이 진행할 시기에는 고성능 GPU 자원을 집중적으로 사용하다가, 학습이 없는 기간에는 데이터를 아카이빙해 비용을 줄이는 기능도 필요합니다. 안정적인 API 통신과 네트워크 환경, 서비스 운영 과정의 보안도 필수적입니다.
엘리스클라우드 ECI는 이러한 요소를 갖춘 IaaS 입니다. AI 기업이 연구 단계부터 상용 서비스 배포까지 전 과정을 하나의 플랫폼에서 수행할 수 있도록 설계된 컨테이너 기반 클라우드 인프라입니다. 쿠버네티스 기반으로 구성되어 있어 개발자가 익숙한 컨테이너 환경에서 모델 학습과 추론 서비스를 동시에 운영할 수 있으며, GPU 자원을 필요에 따라 동적으로 할당하고 해제할 수 있어 학습과 추론 서비스 운영 시기에 따라 비용을 효율적으로 관리할 수 있습니다.
특히 의료 AI와 같이 데이터 보안과 규제 준수가 중요한 분야라면 CSAP 인증을 완료한 국내 데이터센터 기반의 안정적인 인프라 위에서 컨테이너의 유연성을 활용할 수 있다는 점이 큰 장점입니다.
보건의료 AI 기업을 위한 최적의 클라우드 파트너
"국내에서 서버를 운영하는 가장 합리적인 클라우드 서비스라고 생각합니다. 국내 데이터센터 기반이라 의료 데이터 보안 측면에서 안심할 수 있고, 초기 스타트업에게 맞는 비용 구조와 유연한 제안 덕분에 부담 없이 더 많은 실험을 할 수 있었습니다. 그게 결국 더 좋은 모델과 더 빠른 성과로 이어졌습니다." - 숨빗 AI 구자욱 AI 연구이사
엘리스클라우드는 앞으로도 숨빗 AI와 같은 의료 AI 기업들이 더 큰 규모의 모델과 서비스를 개발할 수 있도록 국내 데이터센터 기반의 안전한 인프라와 효율적인 AI 클라우드 환경을 제공할 예정입니다. 연구 단계의 실험부터 상용 서비스 구축까지, 의료 AI 기업이 기술과 제품에 집중할 수 있는 기반을 만드는 것이 엘리스클라우드의 목표입니다.
