멋진 조약돌을 빚어내는 AI 데이터 전문가, ㈜페블러스 이주행 (주)페블러스 대표 KISTI는 과학기술정보 인프라 혁신을 선도하는 기관으로서, 연구성과를 기업과 공유하며 국가 기술 경쟁력 강화에 기여하고 있다. KISTI의 거대 언어 모델 (Large Language Model, LLM)인 ‘KONI(KISTI-Open Neural Intelligence)’ 기술을 이전받아 과학기술 분야 AI 솔루션 개발에 나선 (주)페블러스의 이주행 대표를 만나, 기술사업화 협력 과정과 미래 비전을 들어보았다. Q. 자기소개와 함께 페블러스에 대한 소개 부탁드립니다. 저는 한국전자통신연구원(ETRI)에서 약 23년간 연구원으로 근무했습니다. ETRI에서는 주로 로봇 연구를 했고, 학술적인 일을 많이 했습니다. 한국CDE학회(Society for Computational Design and Engineering) 회장도 역임한 바 있습니다. 2015년 무렵부터 AI를 위한 데이터 관련 연구를 시작했는데, 특히 합성 데이터(Synthetic Data) 분야에 집중했습니다. 이후 ETRI에서 만난 이정원 부대표와 함께 2021년 11월 10일에 페블러스를 공동 창업했습니다.  페블러스는 인공지능(AI) 중에서도 데이터를 전문적으로 다루는 회사입니다. AI 시대에는 데이터가 모래알처럼 많다고 이야기하지만, 저희는 창업할 때 모래알 같은 데이터가 아니라 손으로 꼭 잡을 수 있는 단단하고 신뢰할 수 있는 데이터를 고객에게 전달하겠다는 목표를 세웠습니다. 회사 이름 ‘페블러스(Pebblous)’는 모래알처럼 흩어진 데이터가 아니라 손에 잡히는 단단한 조약돌 같은 데이터, 즉 ‘Fabulous+Pebble’을 만들겠다는 뜻을 담고 있습니다. Q. 페블러스를 대표하는 데이터 클리닉(Data Clinic)은 어떤 기술인가요? 저희는 합성데이터를 ‘데이터 치료제’ 라고 생각합니다. AI 성능을 높이기 위한 치료제인데, 문제는 얼마나 써야 하는지 기준이 없었다는 것입니다. 영양제를 먹을 때에도 하루 복용량이 있듯이, 나에게 맞는 처방이 있으려면 진단이 필요합니다. 데이터도 마찬가지입니다. 그런데 데이터는 그런 처방과 진단 없이 오남용 되는 경향이 있었습니다. 무조건 많이 넣으면 좋겠지 하는 믿음의 영역이었습니다. 이에 데이터에도 일종의 의료체계가 필요하다고 생각했고, 그래서 솔루션 이름을 ‘데이터 클리닉’이라고 지었습니다. 데이터 클리닉은 한마디로 말하면 데이터의 종합병원입니다. 데이터를 엑스레이 찍듯이 분석하고, 부족한 부분은 합성데이터로 보충해주며, 이상치나 규제·저작권 문제 요소를 제거하는 등 데이터의 ‘진단–처방–치료’ 과정을 표준화한 솔루션입니다. 초기의 합성 데이터가 ‘양을 늘리는 방식’이었다면, 지금은 소량의 고품질 데이터가 AI 성능을 좌우하는 시대입니다. 데이터 클리닉은 국제표준에 기반해 데이터 품질을 정밀 진단하고 최적의 보완 전략을 제시합니다. Q. 이번 기술이전은 연구개발특구 R&BD 사업을 통해 진행되었는데요. KISTI와 기술이전을 결정하게 된 계기가 궁금합니다. 올해 여름쯤 연구개발특구 내 공공 연구기관이 보유한 AI 기술을 기업이 이전받아 사업화해 혁신기업을 육성 하는 ‘글로벌 빅테크 R&BD(Research & Business Development)’ 지원사업이 오픈되었습니다. 저희 투자사인 로우파트너스에서 이 사업을 소개해 주시며 KISTI의 성과확산실과 매칭까지 시켜 주셔서 KISTI와의 인연이 처음 시작됐습니다.  성과확산실에서는 사업화 성공 가능성을 높이기 위해 단순한 기술이전 중개가 아닌 End-to-End 방식(과제 기획부터 선정, 사업화 연계까지 7단계의 전과정을 총괄하여 수행하는 방식)을 채택해 KISTI와 페블러스 간의 공동의 가치가 증진될 수 있도록 추진했습니다. 이후 이경하 초거대 AI연구센터장과 연결되어 KISTI가 자체 개발한 거대 언어 모델(LLM)인 KONI에 대한 정보를 듣게 되었습니다. 이 과정에서 매칭점을 확인하고 빠르게 협업이 이루어졌습니다. 성과확산실 등 KISTI의 관련 부서와 여러 차례 온·오프라인 미팅을 진행하며 기술 활용 방안, 이전 범위 등 프로젝트 내용을 정교하게 조율했습니다. 짧은 사업 기간에도 불구하고 매우 효율 적이고 긴밀하게 협의가 진행됐습니다. 기술이전을 선택한 결정적인 계기는 KONI의 도메인 특화 능력과 저희 회사의 핵심 역량을 결합할 수 있다는 확신 때문이었습니다. 저희는 AI시대에 데이터의 AI 적합성을 평가하고 개선하는 솔루션을 제공하는 것이 핵심입니다. KONI는 KISTI의 방대한 과학기술 데이터를 기반으로 학습되어 과학기술 도메인에 특화된 강점을 가지고 있습니다. 이러한 최고 수준의 과학기술 도메인 LLM과 저희의 데이터 및 LLM 출력 품질 평가 전문성이 결합되면, 연구 시장에 혁신적인 솔루션을 제공할 수 있다고 판단했습니다. Q. KONI가 가지고 있는 가장 큰 우수성은 무엇이라고 생각하시나요? KONI는 좋은 데이터를 학습시켜 잘 만들어진 LLM입니다. 특히, KONI의 가장 큰 우수성은 과학기술 도메인에 특화되어 있다는 점입니다. 일반적인 LLM이 일상적이거나 범용적인 지식 생성에 강하다면, KONI는 이공계 학생이나 과학기술 분야 연구자들이 실제 사용하는 수학식 (Mathematical Formula), 코드, 복잡한 표(Table), 그림(Figure)과 같은 비정형 데이터를 처리하고 생성하는 데 강점을 가지고 있습니다. 과학기술에 대해 정말 똑똑하고 정밀한 모델입니다. 페블러스가 구축한 데이터 품질 특화 데이터셋을 결합해 실험해 본 결과, 특정 도메인 질문에서는 ChatGPT보다 더 높은 성능을 보이기도 했습니다. KISTI가 보유한 과학기술 데이터의 양·질·정밀성은 세계적으로도 경쟁력이 있다고 느꼈습니다. Q. KONI는 어떤 제품군에 적용하실 계획이실까요? 특히, ‘Agentic AI 데이터사이언티스츠(AADS)’ 기술 개발과의 연관성이 궁금합니다. 데이터 클리닉은 이미 아마존 클라우드 컴퓨팅 서비스(AWS)로 운영 중이며, 조달청에도 등록된 제품입니다. 국방 등 보안이 중요한 고객을 위해 온프레미스(On-Premise) 방식으로도 제공하고 있습니다. 고객이 데이터를 올리면 건강검진 보고서처럼 진단보고서를 제공해 드리고 데이터를 개선해 드립니다. 향후 출시되는 데이터 클리닉 2.0에는 AADS 기반 에이전트 기능이 탑재 됩니다. 여기에 KONI의 도메인 특화 능력을 결합함으로써 고객은 대화형으로 데이터 품질을 진단·개선하는 차세대 데이터 솔루션을 경험하게 됩니다. 지금은 사용자가 데이터 클리닉을 직접 매뉴얼을 보고 학습해 사용해야 하지만, 이 과정이 필요 없어집니다. AADS가 적용되면 “우리 데이터 어때?”라고 말만 해도 진단–분석– 개선 절차를 AI가 스스로 설계하고 수행하는 체계가 됩니다. 병원에 상담 선생님이 의사 선생님 진단을 쉽게 풀어 설명해 주는 것처럼 AADS가 그 역할을 하게 되는 것입니다. 현재는 KONI의 생성형 기능을 사용 중이며, 2차년도부터는 KONI의 에이전트 기능과 본격 결합해 업무 자동화 수준을 높일 계획입니다. Q. KISTI와의 기술이전 협의 과정에서 어려웠던 점이 있다면 무엇이었고, 어떻게 극복하셨는지요? 기술사업화 과정에서 연구원과 기업 간의 관점 차이를 좁히는 것이 가장 어려웠습니다. KISTI와 같은 출연연은 기술의 개발 완성도와 연구의 완결성에 중점을 두는 반면, 페블러스와 같은 스타트업은 기술을 최대한 빠르게 시장에 적용하고 상용화해 고객의 문제를 해결하는 것을 최우선으로 합니다. 이로 인해 기술이전 범위와 상용화 목표 시점을 확정하는 데 이견이 있었습니다. 초기에 이러한 간극이 있었으나, 지속 적으로 대면하며 서로의 환경을 충분히 이해하면서 점차 기준을 맞춰갔습니다. 이 과정을 통해 KISTI의 높은 연구 기준은 오히려 저희에게 큰 학습이 되었고, 저희의 민첩함도 연구원 에서 긍정적으로 받아들여주셨습니다. 그 결과, 상호 목표와 입장을 깊이 이해할 수 있었고, 최종적으로 기술이전 범위를 명확히 확정해 특구 R&BD 사업을 원활하게 추진할 수 있었습니다. Q. KISTI와 같은 연구기관과의 협업이 갖는 의미는 무엇인지요? KISTI는 국가 과학기술 데이터를 기반으로 소버린 AI(Sovereign AI) 전략을 추진하고 있습니다. 페블러스는 모델 자체를 만들 수는 없지만, 데이터 품질 분야에서 세계적인 수준의 기술을 보유하고 있습니다. 따라서 KISTI가 구축하는 국가 AI 모델에 페블러스의 기술이 결합하면 양 기관 모두 더 강력한 경쟁력을 갖추게 됩니다. 이것이 출연연과 스타트업 간 협력 모델의 좋은 사례가 될 것이라 생각합니다. 저희가 KONI를 기반으로 성공적인 솔루션을 개발하고 매출을 올린다면, 이는 KISTI의 우수한 기술이 시장에서 상용화되었다는 성공적인 레퍼런스가 됩니다. 이는 KISTI의 기술사업화 성과를 높이는 데 기여할 것입니다. 더 나아가, KISTI가 개발하는 과학기술 도메인 LLM은 저희와 같은 스타트업의 기반 기술이 됩니다. 페블러스는 이 기반 위에 데이터 품질 평가에 특화된 기능을 더하여 소버린 AI 역량을 구축할 것입니다. 국가연구소의 기술을 기반으로 대전에서 출발한 스타트업이 성공적으로 성장하는 것은 국가 연구 성과의 사업화 및 지역 경제 활성화에 좋은 선례가 될 것으로 기대합니다. 이러한 협력 모델이 지속적으로 발전하여 국가 과학기술 경쟁력 강화에 기여하기를 바랍니다.

0 80

양자 컴퓨팅의 미래를 개척하다, SDT 주식회사 인터뷰 | 윤지원 대표 ㈜SDT     양자 산업화는 연구성과를 넘어 실제 제품과 서비스의 생산·공급으로 이어지는 과정을 의미하며, 이는 연구자뿐 아니라 기업, 투자자, 정책 입안자 모두가 참여해야 가능한 일이다.  우리나라는 반도체, 통신, 소프트웨어 분야에서 이미 세계적인 경쟁력을 확보한 ICT 강국이다. 여기에 양자기술을 결합한다면 글로벌 산업화를 선도할 잠재력이 크다.  특히, 이 프레임워크 기술은 ㈜SDT가 지향하는 하드웨어와 소프트웨어가 결합된 ‘완결된 양자 컴퓨팅 솔루션’ 구현의 중요한 기반이 되고 있다. 이처럼 KISTI의 핵심 기술을 이전받아 양자 컴퓨팅 산업의 새 지평을 열고 있는 SDT 윤지원 대표를 만나, 기술이전 과정과 SDT가 그려나가는 양자 컴퓨팅 산업의 현재와 미래, 그리고 앞으로의 협력 방향에 대한 심도 깊은 이야기를 나누어보았다.   Q. 대표님과 ㈜SDT의 소개 부탁드립니다. SDT 대표 윤지원입니다. 저는 MIT에서 물리학 및 전자공학 학사와 석사 학위를 취득했으며, 우연한 기회에 우리나라에서 창업해 현재 SDT를 8년째 이끌고 있습니다. SDT는 양자 컴퓨터 제조를 주 목적으로 시작했지만, 자체 보유한 기술력과 인력을 기반으로 사실 데이터 센터에 납품할 수 있는 형태의 제품들을 제조하며 사업을 확장하고 있습니다. 예를 들면 액침 냉각 장비, 극저온 냉각 장비, 양자 통신 장비, 양자 보안 카메라 등이 있으며, 전반적으로 제조에 집중하고 있습니다. 새로운 연구개발(R&D)을 전면적으로 진행하기보다는, IP를 이전받거나 KISTI와 같은 기관과의 공동 개발을 통해 이전받거나, 또는 해외 기업으로부터 IP 및 기술을 이전하는 형태를 통해 빠르게 기술을 상업화하고 제조하는 데 역량을 집중하고 있습니다. 궁극적으로 SDT는 양자 컴퓨터 및 양자 산업 분야에서 폭스콘과 같은 선도적인 제조 기업이 되는 것이 목표입니다.     Q. ㈜SDT가 KISTI로부터의 기술이전을 결정하게 된 계기가 궁금합니다. SDT는 양자 컴퓨터의 ‘환경 장비’와 ‘RF 제어계측장비’ 제조를 핵심 정체성으로 삼는 기업입니다. 하지만 아무리 좋은 하드웨어를 만들어도 이를 구동할 ‘운영체제’ 나 ‘프레임워크’가 없으면 시장에서 온전히 기능할 수 없다는 것을 인지하고 있었습니다. 지난 3~4년간 이러한 소프트웨어 기술 준비의 필요성을 절감하고 있을 때, 때마침 KISTI는 양자 컴퓨터 환경에서 구동 가능한 소프트웨어, 즉 프레임워크를 준비하는 과제를 수행하고 있었습니다. SDT는 KISTI의 이 용역 프로젝트에 적극적으로 참여하며 협력했습니다. 이 과정에서 KISTI가 개발하는 프레임워크가 SDT의 양자 컴퓨터에 꼭 필요한 소프트웨어 계층이라는 것을 확신하게 되었습니다.   결과적으로 SDT는 KISTI로부터 이 핵심 기술을 완전하게 이전 받았습니다. 이는 SDT가 양자 컴퓨터를 제조·조립해 공급하는 데 있어 운영체제(OS)가 탑재된 완결 형태로 제공할 수 있음을 의미했습니다. 현재 KISTI와는 지속적으로 기술을 함께 발전시켜 나가는 과정에 있습니다. 이 협약은 SDT가 단순 제조업체를 넘어 데이터 센터 등에 직접 납품 가능한 통합 솔루션 기업으로 성장하는 중요한 기반이 되고 있습니다.   Q, KISTI와의 협업은 어떻게 이루어졌으며 어려웠던 점이 있었다면 어떻게 극복하셨는지요? SDT는 KISTI와 매우 유기적인 협력을 이어왔습니다. 특히, 앞서 말씀드린 50큐비트 양자 컴퓨터 개발 사업을 중심으로 긴밀한 협업이 이뤄졌습니다. 이 프로젝트의 초기부터 용역사로 참여하며 다양한 양자 컴퓨팅 플랫폼을 연계하고 구축하는 경험을 쌓았고, 이것이 기술이전의 든든한 기반이 되었습니다. 물론 협업 과정에 어려움도 있었습니다. 가장 큰 애로사항은 양자 컴퓨터 리소스가 국가적으로 희귀했다는 점입니다. 이로 인해 SDT가 개발한 기술들을 실제 환경에 적극적으로 시험하고 적용하는 데 제약이 많아 개발 진척에 어려움이 있었습니다. 하지만 올해부터 국가적으로 양자 컴퓨팅 관련 사업들이 본격화되고, SDT 자체적으로도 양자 장비를 확충하면서 필요한 리소스를 확보하게 되었습니다. 이러한 변화 덕분에 SDT는 개발 기술들을 실제 시스템에 적용하고 검증할 수 있는 환경이 크게 확장되었으며, 이전의 리소스 부족 문제를 성공적으로 극복하고 있습니다.   Q. 기술이전 받은 기술이 SDT에서 어떻게 활용되고 있나요? KISTI로부터 이전받은 이 기술은 SDT의 핵심적인 제품과 서비스로 구현될 예정입니다. 우선, SDT는 양자 컴퓨터를 직접 조립하고 여기에 KISTI의 프레임워크를 탑재하여 판매하는 가장 일반적인 사업 형태를 이어갈 것입니다. 더 나아가, SDT가 이전받은 프레임워크를 기반으로 SDT 자체의 양자 컴퓨터뿐만 아니라 타사의 양자 컴퓨터까지도 연결하여 활용할 수 있는 클라우드 기반 서비스를 제공함으로써, 양자 컴퓨팅 자원에 대한 접근성을 높여 더욱 넓은 시장으로 확대 적용할 계획입니다. SDT는 이러한 두 가지 사업 모델을 통해 향후 10년 이상 지속적인 성장을 이뤄낼 것으로 기대하고 있습니다.   Q. 해당 기술이전을 통한 궁극적인 산출물(제품)은 무엇인지요. KISTI 기술이전을 통해 SDT가 궁극적으로 창출하고자 하는 것은 단순히 개별 제품이 아닌, 하드웨어와 소프트웨어가 완벽하게 결합한 ‘완결된 양자 컴퓨팅 솔루션’입니다. 이 솔루션은 이전받은 IP를 기반으로 국가 주도의 양자 컴퓨팅 사업을 적극적으로 확장하는 핵심 동력이 됩니다. 나아가, KISTI로부터 이전받은 프레임워크를 양자 컴퓨터에 직접 탑재함으로써, SDT는 고객에게 단순한 ‘깡통’인 하드웨어가 아닌, 바로 활용 가능한 완결된 양자 컴퓨터 제품을 자신 있게 선보일 수 있게 됐습니다. 이처럼 KISTI와의 기술이전 및 성공적인 국가 사업 참여 경험은 SDT의 핵심 역량이 되어, 해외 시장에서 SDT의 사업성을 더욱 공고히 하고 차별화된 경쟁 우위를 확보하는 궁극적인 산출물로 이어질 것입니다.   Q. 현재 KISTI와 공동연구도 수행하고 있는데 이와 관련해서도 간략히 소개 부탁드립니다. 현재 KISTI와 함께 여러 핵심 양자 컴퓨팅 연구 과제를 수행하고 있습니다. 대표적인 사례 중 하나는 과학기술정보통신부에서 추진하는 50큐비트 양자 컴퓨터 사업과 관련된 연구입니다. 이 사업을 통해 양자 컴퓨터 하드웨어 자체는 개발되지만, 실제 컴퓨팅을 가능하게 하는 소프트웨어나 서비스 플랫폼은 별도로 구축해야 하는 상황입니다. 이에 SDT는 KISTI와의 협력을 바탕으로, 해당 하드웨어에 핵심 프레임워크를 탑재하여 실제 구동 가능한 양자 컴퓨터 시스템으로 만들고, 더 나아가 이를 클라우드 형태로 서비스할 수 있는 환경을 구축하는 과제를 수행하고 있습니다.   두 번째 공동연구 과제는 아이온큐(IonQ)의 양자 장비와 그래픽처리장치(Graphics Processing Unit, GPU), 그리고 KISTI의 슈퍼컴퓨터 6호기를 하이브리드 형태로 연동해 활용하는 사업입니다. SDT는 이러한 하이브리드 시스템 구축 및 활용에 있어서 KISTI와의 협업을 통해 핵심적인 역할을 담당하고 있습니다.   Q. 기술이전 받은 기술과 공동연구 간에 어떠한 연관성이 있는지요. SDT가 KISTI로부터 이전받은 기술은 현재 진행 중인 공동연구의 핵심적인 기반이라고 이해하시면 됩니다. 지난 3년간 KISTI와의 협업을 통해 해왔던 작업은 상대적으로 작은 스케일로 하나의 양자 컴퓨터를 통합하고, 그 위에 서비스를 연동하는 것이었습니다. 이 과정에서 개발된 핵심 IP와 노하우가 바로 SDT로 기술 이전된 프레임워크입니다. 이때까지는 ‘클러스터 베타 환경’에서 극소수의 사용자만이 접근할 수 있는 제한적인 환경이었다고 할 수 있습니다.   이제 이 기술이전 받은 IP를 기반으로 공동연구는 한 단계 더 나아갈 것입니다. 현재는 여러 종류의 양자 컴퓨터를 통합하고, 여기에 더 다양한 서비스를 연동하여 국가의 수많은 연구자가 활용할 수 있는 확장된 환경을 만들어내는 것을 목표로 하고 있습니다. 이는 기존에 SDT가 KISTI와 함께 만들어 온 레거시 위에 쌓아 올리는 작업이기에 가능합니다. 즉, 기술이전을 통해 확보한 프레임워크는 개별 양자 컴퓨터를 기능하게 하고 서비스에 연결하는 기본적인 능력을 제공하며, 공동연구는 이 능력을 다양한 하드웨어와 더 많은 사용자에게 확장 적용하는 상위 단계의 연구인 것입니다.   Q. 끝으로 양자 컴퓨터와 관련된 KISTI와 같은 정부출연연구기관에 바라는 역할과 기능은 무엇이라고 생각하시는지요. KISTI와 많은 협력을 해오고 있지만, 앞으로 KISTI와 같은 정부출연연구기관이 양자 분야에서 더욱 중요한 임무를 수행해 주시기를 바라는 마음이 큽니다. 현재 연세대학교가 IBM 장비를, KISTI가 아이온큐 장비를 도입하고 있듯이 해외 장비를 활용하는 것은 자연스럽습니다. 하지만 KISTI가 슈퍼컴퓨터 7호기, 8호기를 추진할 때에는 지금과 같은 하이브리드 형태가 표준이 될텐데, 그때는 SDT와 같은 국내 기업이 만든 국산 장비들도 연동해서 활용할 수 있는 날이 오면 좋겠습니다. 즉, 국내 기술이 국가 핵심 인프라에 실질적으로 적용되고 검증될 수 있는 장을 마련해 주시는 것이 중요합니다.   최근 AI 산업의 빠른 발전에도 불구하고, 우리나라가 초기에 적절한 GPU 인프라 투자를 하지 못한 것이 경쟁력 확보에 있어 뼈아픈 한계로 작용하고 있습니다. 이제야 정부 차원에서 인프라 확충에 나서고 있지만, 이는 분명한 교훈을 남깁니다. 양자 기술 분야 역시 유사한 흐름을 보이고 있습니다. 다양한 기관과 전문가들이 양자 컴퓨팅의 중요성과 가능성에 대해 공감대를 형성하고 있으나, 아직까지 실질적인 인프라 투자에는 다소 속도가 붙지 않고 있는 상황입니다. 그 결과, 기초 연구 중심의 접근이 두드러지는 반면, 산업 생태계 확장이나 실수요 창출로의 연결은 제한적인 상태입니다. 같은 과오를 반복하지 않기 위해서는 정부와 민간이 함께 양자 인프라에 대한 선제적 투자를 진행하고, 이를 바탕으로 후방산업(소프트웨어, 하드웨어, 어플리케이션)의 활성화를 견인해야 합니다. 특히, 양자 밸류체인을 정교하게 세분화(segmentation)하여, 각 단계—예컨대 원천 연구, 컴퓨팅 하드웨어, 제어/계측, 냉각, 소프트웨어, 어플리케이션 개발 등—에 대해 국내의 상대적 강점과 약점을 명확히 진단하고, 민간과 정부가 역할 분담과 집중 투자 전략을 세우는 것이 시급합니다. 보다 구체적이고 현실적인 밸류체인 분석을 바탕으로 민간과의 역할 분담 및 전략적 투자 방향을 함께 모색해 나갈 시점입니다.

0 1342

의사를 돕는 AI, 의사를 꿈꾸는 AI 인터뷰 | 강재우 교수(고려대학교 컴퓨터학과) 의사가 놓칠 수 있는 병력 정보를 미리 분석하고, 환자의 말을 대신 정리해주는 AI. 인간처럼 판단하고, 때로는 의사를 도와 협진까지 해내는 AI. 이제 AI는 의료 현장에서 단순한 도구를 넘어 '지적 파트너'로 거듭나고 있다. AI를 신약 개발과 의료 현장에 적용해온 강재우 교수의 연구는 그러한 미래를 누구보다 한발 앞서 보여준다. AI 기술을 의료 분야에 접목해 신약 개발의 패러다임을 바꾸다 강재우 교수는 고려대학교 컴퓨터학과에서 인공지능을 연구하고 가르치는 과학자다. 동시에 인공지능 기반 신약 개발을 선도하는 바이오 스타트업 ‘아이젠 사이언스(Aigen Sciences)’의 대표이기도 하다. 2020년에 설립된 이 회사는 ‘AI 기반 항암제 개발’이라는 새로운 영역을 개척하며 업계의 주목을 받고 있다. 핵심 파이프라인은 AI가 유전자 데이터를 분석해 항암제를 설계하고, 최적의 병용 요법을 도출하는 기술이다.  현재까지 10종 이상의 항암제를 설계했으며, 이 중 일부는 동물실험을 마치고 대동물 실험 단계로 진입한 상태다. 신약 개발 초기 단계의 설계부터 실험까지 상당 부분을 기업 내부에서 수행하고, 약물 합성은 임상시험수탁기관(CRO)과 협력해 진행하는 구조로, 높은 연구 자립도를 자랑한다. 의료 데이터와 AI의 융합이 여는 새로운 가능성 강 교수는 원래 컴퓨터를 전공한 연구자로, 처음부터 의료 분야에 관심이 있었던 것은 아니다. 미국에서 교수로 재직 중일 때 가깝게 지내게 된 동료 교수의 전공이 생명정보학(Bioinformatics)이었고 이를 계기로 바이오 데이터를 기반으로 AI를 접목해 문제를 푸는 연구에 본격적으로 뛰어들게 되었다. 이후 그는 세계적 제약사 아스트라제네카가 주최한 국제대회 ‘드림 챌린저’에 참가해 2위를 차지하며 가능성을 입증한 이후 MIT, 구글, 지멘스 등 글로벌 기업들을 제치고 7차례 우승을 거두었다. 연구자로서 국제적 성과를 거뒀지만, 회사를 이끄는 일은 전혀 다른 도전이었다. “연구실에서는 내가 몰두한 만큼 결과가 나오는데, 회사는 그렇지 않아요. 아무리 좋은 연구여도 시장에서 바로 받아들여지는 건 아니니까요.” 그럼에도 자신의 연구가 실제 약으로 개발되고 환자에게 닿을 수 있는 길을 만든다는 데 큰 보람을 느낀다. 환자의 데이터를 이해하고 판단하는 조력자, ‘전문가 AI’ 강 교수가 지향하는 AI는 단순한 도구가 아니다. AI가 스스로 판단하고 문제를 해결하는 ‘에이전트 AI(Agent AI)’로 진화하고 있다는 것이 그의 설명이다. 기존의 AI가 인간의 요청에 따라 데이터를 분석하는 수준이었다면, 이제는 스스로 문제를 정의하고 실험 계획을 수립하며 의사결정의 주체가 되는 수준으로 나아가고 있다. 에이전트 AI는 기존의 ‘도구형 AI(Tool-based AI)’와는 달리, 사용자의 지시를 기다리지 않고 스스로 데이터를 탐색하고 필요한 판단을 내릴 수 있는 ‘행위 주체형 인공지능(Autonomous Agent)’이다. 이러한 AI는 단순 보조 기능을 넘어, 복잡한 문제 상황에서도 맥락을 이해하고 최적의 대응 방안을 제시할 수 있는 디지털 협업자로 진화하고 있다. 대표적인 예로 그가 개발한 ‘미어캣(Meerkat)’ 모델은 미국 의사면허시험(USMLE)을 통과한 최초의 소형 거대언어모델(small Large Language Model, sLLM)이다. 100억 개 미만의 매개변수(Parameter)를 가진 이 모델은 병원 내 서버에서도 독립적으로 운용할 수 있어 환자 정보 보호가 중요한 의료 환경에서 실용성이 높다. 이 모델은 단순히 정답을 제시하는 것을 넘어 문맥을 이해하고 다양한 진단 시나리오를 제안하는 기능을 갖춘 것이 특징이다. 이는 전자의무기록(EMR)을 분석해 진료 방향을 제안하거나 환자의 병력, 약물 복용 이력, 유전 정보 등을 기반으로 다양한 판단을 내릴 수 있게 해준다. 특히, 서울대학교병원과 공동 개발한 당뇨 전문가 AI 시스템은 환자와 의사의 질문에 모두 응답하며 복잡한 질병 이력을 정리해 제공한다. 또한, 서울대 희귀질환센터와는 6,000여 종의 희귀질환 데이터를 학습한 시스템을 개발하고 있으며 이는 평균 2년 이상 소요되는 진단 기간을 크게 단축시킬 수 있다. 이러한 ‘전문가 AI’는 특정 질환에 특화된 언어 모델로 의사의 임상 결정을 서포트하며, 특히 소아청소년과 같은 인력 부족 분야에서 응급환자 분류, 약물 처방 이력 분석, 간호사 키인(key-in) 자동화 등 실질적인 의료현장 지원을 목표로 한다. 실제로 키보드 입력 없이 음성 기반 기록 자동화, 환자 응답 분석을 통한 실시간 요약 보고, 환자의 표정이나 몸짓과 같은 비언어적 표현을 감지하는 기능까지 점차 확장되고 있다. 이는 의료진이 환자와 눈을 마주치며 대화하는 시간은 늘리고, 반복적인 기록 작업에 소비되는 시간을 줄이는 데 도움을 준다. 또한, 이러한 시스템은 병원 내 서버 한 대만으로도 구동이 가능하다는 점에서 고가의 장비구입이 어려운 지방 병원이나 1차 의료기관에도 적용 가능성이 높다. 프라이버시 보호가 중요한 의료 환경에서 데이터를 외부로 전송하지 않고도 AI 서비스를 받을 수 있다는 장점이 의료 AI 도입의 문턱을 크게 낮추고 있다. 의료 패러다임을 바꾸는 인공지능과 인간의 협업 “AI는 인간 의사를 대체하진 않을 겁니다. 하지만 좋은 전공의처럼 곁에서 정보를 정리하고 요약해 주는 조력자가 될 수 있습니다. 환자가 어떤 약을 복용했고 어떤 반응을 보였는지, 가족력은 어떤지 등을 AI가 정리해 주면 의사는 훨씬 더 정밀하게 진료할 수 있죠.” 강 교수는 특히 AI를 통한 진료의 질 향상뿐 아니라, 의료 생산성의 구조적 혁신 가능성에 주목한다. 현재 많은 의료진이 환자의 데이터를 일일이 조회하고 과거 기록을 수작업으로 비교하는 데 상당한 시간을 소모한다. 하지만 AI는 환자의 히스토리를 종합적으로 분석해 ‘이번 진료에서 반드시 확인해야 할 포인트’를 실시간으로 제시함으로써 진료 과정의 누락을 줄이고 정확도를 높일 수 있다. 강 교수가 만들어가는 의료 AI는 더 나은 치료를 위한 ‘디지털 동료’와 같다. 사람처럼 사고하고 상황을 이해하며, 의사와 협업할 수 있는 AI의 등장은 단순한 기술 발전을 넘어선다. 인간과 기계가 각자의 강점을 살려 함께 진료하는 시대. 그 실현을 위해 오늘도 강 교수는 연구실과 회사를 오가며 도전을 이어가고 있다. 강 교수의 연구는 기술이 사람을 향해 있어야 한다는 철학과 그것을 구현하는 실제적인 노력을 통해 사회 전반에 신뢰할 수 있는 AI 도입의 본보기를 제시하고 있다. KISTI와의 협력: AI 연구의 연료를 제공하다 강 교수는 한국과학기술정보연구원(KISTI)의 K-BDS GPU 자원이 미어캣 모델을 훈련하는 데 큰 역할을 했다고 밝힌다. 고성능 컴퓨팅 인프라는 대형 언어모델 개발의 핵심 기반으로, KISTI의 자원이 없었다면 이 같은 성과는 불가능했을 것이라고 했다. 향후에는 KISTI와 함께 다양한 과학 분야에 특화된 ‘사이언티스트 AI’를 공동 개발해 보고 싶다는 포부도 내비쳤다. 과학 전 분야에 정통한 AI는 특정 분야를 넘어서 융합형 문제 해결에도 기여할 수 있어 연구의 생산성과 통찰력 모두를 높일 수 있을 것으로 기대된다. “기술은 사람이 중심일 때 비로소 가치가 생깁니다.” 강재우 교수의 이 말에는 과학이 추구해야 할 방향을 되묻는 나침반이 들어있다. AI라는 도구를 통해 우리는 인간 중심의 미래를 설계할 수 있을까. AI와 함께 그리는 인간 중심의 미래는 과학이 풀어야 할 가장 중요한 질문이자, 그 미래를 설계하는 힘이 되고 있다.

0 188

정밀성과 효율성으로 치과 분야 새 시대를 열다   AI로 치주염 조기 진단!   인공지능(AI)을 활용한 치주염 진단 기술이 개발되어 국민 치아 건강 증진에 새로운 전기를 마련할 것으로 기대된다. 치아와 구강의 다양한 구조적 특징을 고려해 최적의 b-box 마진을 설정함으로써 AI 모델의 학습과 추론 성능을 획기적으로 개선하는 연구가 진행 중이다. 의료 AI 솔루션 기업 등과의 협력을 통해 치과 분야에서의 산업적 활용은 물론이고, 임상연구와 건강보험 심사를 거쳐 의료수가 항목으로 인정받아 전 세계인의 치아 건강 개선에 기여하고자 하는 앞으로의 바람까지 자세한 이야기를 들어봤다   자기소개와 함께 담당하고 있는 분야에 대한 소개 부탁드립니다.   데이터분석본부 부산울산경남지원에서 주요 업무로 수요대응형 지역 혁신 생태계 활성화 지원 및 AI 솔루션 실용화 지원 업무를 담당하고 있습니다. 더 상세히 설명 드리자면, 기업 지원 측면에서 과학기술정보협의회(ASTI) 및 패밀리기업의 DX 전환 추진, AI 솔루션의 활용 및 확산을 위해 직접적인 대면 방식을 통해 집중·상시적으로 지원하고 있습니다. 간접적으로는 ASTInet 플랫폼의 DX화 추진을 통해 온·오프라인의 접점을 넓히고 ASTI 중심의 지역 산학연정 협력 생태계 기반을 넓히고 있습니다. 나아가 기업 지원을 위한 LLM 기반 AI 솔루션 개발을 통해 ASTInet의 기업 지원 서비스를 고도화하고 있습니다.   이러한 ASTInet 기반의 패밀리기업 지원 서비스를 국가과학기술연구회(NST) 산하 출연연의 기업 통합 지원 디지털 플랫폼 구축 사업으로 연계하여 확대하고 있습니다. 데이터분석본부의 5개 지원 중 하나로써 동남권 NST 출연연 지역조직협의체를 구축·운영하며, 이를 통한 다양한 지역 수요 기반의 R&D 선도형 융합클러스터 사업을 기획 추진하고 있습니다. 또한, ASTI의 글로벌 진출을 위해 베트남, 인도네시아 중심의 동남아 지역을 대상으로 한 한인상공인협의회(KOCHAM), 세계한인무역협회(OKTA), 한국무역협회(KITA) 등의 한국 민간기관과 아세안대표부, 한-아세안협력팀, 한아세안과학기술협력센터, 중소벤처진흥공단, 지자체 해외사무소, 출연연 해외사무소 등의 한국 공공기관, 해외 각국의 현지 민간협의체 및 공공기관 등과 협력하여 ASTI 기업의 글로벌 진출 지원을 돕고 있습니다.   개발하신 기술은 어떤 기술인가요?   ‘치주염 진단을 위한 인공지능 모델 학습용 데이터 생성 방법 및 장치’에 관한 기술입니다. 영상치의학적으로 치주염 진단은 치아 좌우부의 치조접합점의 중점과 치근점 간의 거리, 치조골 접점과 치근점 간의 거리 차이를 판단하고, 위 두 거리의 비율을 판단하여 종합적으로 치조골 소실 수준을 판단함으로써 치주염의 수준을 진단합니다. 각 치아별 치주염 진단 결과를 활용하여 인공지능 기반의 진단지원 기술을 개발하기 위해서는 학습 데이터로 변환하여야 하는데, 이때 요구되는 학습 데이터의 형태는 이미지상의 각 치아별 b-box(bounding-box) 좌표 값과 진단 레이블이 요구됩니다.   본 기술은 영상치의학적으로 쉬운 난이도의 명확한 다수의 주요 치아 및 치조골 관련 기준점을 이미지상에 표기함으로써, 영상치의학적 치주염 수준 판단에 근거하여 치주염 수준을 자동으로 계산해 진단 레이블을 생성하도록 합니다.   기술의 적용 예시   해당 기술을 개발하게 된 배경은 무엇이며, 기존의 어떤 문제점을 해결하고자 하셨나요?   본 기술은 과학기술을 활용한 사회문제 해결을 위해 설립된 NST 최초의 지역 On-Site 융합연구단인 ‘개방형데이터 융합연구단’에 소속되어, 부산대학교치과병원과 공동으로 개발하였습니다. 이 연구는 고령화 사회에 대응하여 시민의 삶의 질을 개선하기 위한 목적으로, 후두암 및 치주염과 같은 질환을 대상으로 헬스케어 분야에서 인공지능 기술을 활용한 진단지원 솔루션 개발을 추진하는 과정에서 탄생한 성과입니다. 영상치의학적으로 치과 엑스레이 파노라마 영상을 기반으로 한 치주염 판독과 진단지원을 위한 인공지능 솔루션 개발을 위해 필요한 학습 데이터 생성에 있어, 진단 정확도가 높은 고품질의 치주염 진단 데이터의 생성과 생성 효율성을 높이는 것이 목적입니다.   인공지능 학습용 치주염 진단 데이터 구축 필요성   기존에는 치주염 진단지원을 위한 인공지능 모델 개발에 활용된 학습 데이터의 품질이 b-box의 적합성과 정확도 측면에서 그 수준이 낮고, 진단 레이블의 오류가 많아서 인공지능 모델 개발과 모델 성능 향상을 위한 학습 데이터로써의 질적 측면에서 효용성이 매우 낮았습니다. 또한 학습 데이터의 정제를 위한 시간과 비용이 너무 과다하게 투입되어, 정제 후 데이터의 양적 측면에서도 그 충분성을 확보하기가 어려웠습니다. 이러한 기술적 애로를 해결하고, 학습을 위한 데이터 생성의 오류를 근본적으로 절감하여 고품질 데이터를 쉽고 효율적으로 생성하기 위해 개발하게 되었습니다.   연구하신 기술의 주요 특징이나 강점은 무엇인가요?   인공지능 치주염 진단지원 모델 개발을 위한 학습 데이터 생성에 있어, 영상치의학적으로 쉬운 난이도의 명확한 다수의 주요 치아 및 치조골 관련 기준점을 이미지상에 표기함으로써 학습에 적합한 b-box를 자동으로 생성합니다. 또한, 치주염 수준 판단 알고리즘에 근거하여 자동으로 진단 레이블을 생성하도록 합니다. 이러한 방식을 통해, 치주염 수준 진단의 오류 발생을 현저히 낮추고, 무치로 인한 치아 번호별 레이블 기입 작업에 있어 오류(기입 작업 시 데이터의 밀림 입력 오류 등으로 인한 전체적인 데이터 오류 발생 등)를 완전히 방지할 수 있습니다. 또한 필요한 경우 알고리즘이 인식한 치경부 수준을 손쉽게 수정할 수 있는 시각적인 툴을 제공함으로써 이러한 오류 수준을 더욱 낮출 수 있습니다.   치아 및 구강의 다양한 구조적 특징과 누운 치아, 기운 치아, 겹친 치아 등 복잡한 형태적 특성, 그리고 보철물, 발치, 구강 수술 및 시술 흔적으로 인해 영상치의학적 진단에 어려움이 따르고 있습니다. 이러한 요인들로 인해 b-box의 좌상점과 우하점을 정확히 지정하여 최적의 b-box를 생성하는 작업은 높은 난이도를 요구하며, 이로 인해 생성 과정에서 오류가 빈번히 발생하고 효율성이 저하됩니다. 또한, 생성된 b-box의 정확도가 학습에 적합하지 않은 수준으로 낮아지는 경우도 자주 발생하고 있습니다. 이런 상황에서 본 기술은 영상치의학적인 치주염 진단지원을 위한 인공지능 진단지원 모델 개발에 필요한 학습 데이터로써 요구되는 치아별 적합한 b-box의 자동 생성 효율성과 정확도를 증대하고, 진단 레이블 형성의 오류를 현저히 낮출 수 있도록 합니다.   데이터 레이블링 생성을 위한 치주 기준점 표기 방안 치주 기준점 표기안을 기반으로 한 치주염 클래스 데이터 레이블링 생성 방법     향후 해당 기술이 어떻게 활용되기를 바라시는지 말씀 부탁드립니다.   치아 및 구강의 다양한 구조 및 형태학적 특징과 치아 간 겹침, 기울어짐 등을 고려한 수평, 수직 마진을 결정하는 계수값 변수를 도입해 b-box의 최적 마진을 설정할 수 있도록 하여, 인공지능 모델의 학습과 추론 성능을 개선할 수 있도록 하는 연구 계획을 갖고 있습니다. 본 기술의 활용 확산을 위해 보건복지부, 건강보험심사평가원 등과 연계하여 직장인 건강검진 시에 치과 엑스레이 파노라마 촬영을 통한 치주염 사전 진단의 대국민 서비스를 개시하여 국민 치아 건강 수준을 제고하고, 미래의 건강보험 지출을 절감할 수 있는 측면에서 기여가 가능할 것으로 기대하고 있습니다.   또한 고도 치주염의 진행은 미래에 발치 및 임플란트 치료와 같은 의료 비용이 발생하는 치과 질환으로 발전할 수 있는바, 치과보험 분야에서 관련 기업의 서비스와 연계하여 활용될 수 있습니다. 의료기기 및 의료서비스 산업 측면에서는 치과 분야의 의료정보시스템(HIS), 의료영상저장전송시스템(PACS) 솔루션 및 서비스 기업, 치과 엑스레이 파노라마 영상 촬영 및 진단기기 제조 기업, 의료 AI 솔루션 서비스 기업 등과 연계 협력하여 치주염 진단지원 분야에서 활용될 수 있을 것으로 기대됩니다.   끝으로 연구와 관련해 전하고 싶은 말씀 부탁드립니다.   본 기술은 인공지능 기술을 활용한 치주염 진단지원 기술 개발에 활용 가능한 고품질의 학습 데이터 생성에 기여할 수 있는 기술입니다. 다만, 저희 연구는 연구용 IRB를 기반으로 연구용 실증을 수행하는 데 그쳤습니다. 앞으로는 본 기술이 임상연구를 거쳐 건강보험심사평가원의 의료수가 인정 항목으로써 기술사업화되어 국민의 치아 건강에 기여하기를 희망합니다. 공공 부문의 지원을 통해 민간 의료기기 및 의료서비스 기업, 의료 AI 솔루션 기업, 치과 관련 보험 기업, 건강검진 의료기관 등에 활용되어 우리나라 국민뿐 아니라, 세계인의 치아 건강에 도움이 될 수 있기를 기대합니다.

0 221