루닛은 정부의 국가 전략사업인 '의과학 특화 파운데이션 모델' 프로젝트를 성공적으로 완수하고, 의료 특화 파운데이션 모델 '러닝유닛 2.0'(LearningUnit 2.0) 개발을 완료했다고 6일 밝혔다. 러닝유닛 2.0은 의료기관 내부에서 구동할 수 있는 300억(활성 50억)파라미터 규모의 비교적 경량 모델이다. 루닛은 개발 결과물을 '허깅 페이스'(Hugging Face)에 오픈소스로 공개했다.
루닛은 지난해 10월 과학기술정보통신부(과기정통부)의 '인공지능 특화 파운데이션 모델' 프로젝트 주관기관으로 선정됐다. 약 10개월간 23개 산·학·연·병으로 구성한 컨소시엄을 이끌며 모델 개발과 의료 현장 실증을 진행했다.
러닝유닛 2.0은 의료 관련 질문에 답하는 데 그치지 않고 실제 의료 업무의 흐름을 이해하고 단계적으로 지원할 수 있게 설계했다. 에이전트 구조를 기반으로 데이터를 분석하고 판단 근거를 제시하며 후속 업무까지 수행한다.
이 개발 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 일산병원과 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 다기관에서 평가한 결과, AI 모델이 제시한 방침의 86.2%가 임상적으로 타당한 수준으로 평가받았다. 응급실 중증도 분류(KTAS)와 약물이상반응 인과성 판정(ADR)에서도 전문의 판정과 한 단계 이내에서 일치한 비율이 98%로 나타났다.
보험 심사 및 청구 영역에서 평가 관계자들은 모델 답변의 85.6%를 실무에 사용 가능한 수준으로 평가했다. 44건의 고난도 질의를 그대로 평가하는 등 현장에서 판단이 까다로운 사안도 충실히 반영했단 설명이다.
논문과 임상기록, 약물정보, 진료 가이드라인 등 모든 의료 영역의 데이터를 학습한 러닝유닛 2.0은 의료 지식 추론, 인용 사실성, 의료 대화 안정성 등 주요 평가 항목에서 모두 목표 성능을 달성했다. 이 성능은 제3자 검증까지 거쳤다.
앞서 루닛은 이 프로젝트 제안 단계에서 4종의 의료 벤치마크를 대상으로 세계 최고 수준의 정확도를 달성하겠다는 목표를 제시했는데, 이를 모두 충족했다고 전했다. 더 나아가 프로젝트 성과지표에 포함하지 않았던 의료 벤치마크까지 더한 17개 항목 전체에서도 글로벌 빅테크(대형기술기업)의 프런티어 모델과 견줄만한 평균 정확도를 기록했다.
루닛은 특히 러닝유닛 2.0이 다른 오픈소스 모델보다 높은 정확도를 자랑했다고 강조했다. 무엇보다 환자의 정보가 의료기관 밖으로 나가면 안 되는 의료 분야에서 병원 내부에서 구동 가능한 크기로 이 같은 성능을 구현했다는 점에서 사업적 의미가 크다고 설명했다.
또 루닛은 글로벌 기업과 협업을 확대하며 AI 신약 개발 사업 확장에 힘쓰고 있다. 최근 미국 바이오 검체 및 정밀의료 전문기업 디스커버리라이프사이언스(Discovery Life Sciences)에 이어 미국 나스닥 상장 바이오기업 서밋테라퓨틱스(Summit Therapeutics)와 협력 관계를 구축했다.
서범석 루닛 대표는 "러닝유닛 2.0은 특정 질환이나 단일 기능에 국한한 모델이 아니라, 병원이 매일 수행하는 업무 전반을 지원하는 인프라"라며 "국내 의료 현장의 실제 업무에서 성능을 확인한 만큼 의료진과 환자 모두에 도움이 되는 기술로 거듭나겠다"고 말했다.