딥노이드, 생성형 의료 AI 연구서 학습 연산 비용 '90% 이상 절감'…"환각 표현도 억제"

[프라임경제] 국내 1세대 의료 AI 기업 딥노이드(315640)는 자사 연구팀이 수행한 '환각 표현을 줄이는 검색 증강 기반 흉부 엑스레이 판독문 생성 연구(RA-RRG)'가 논문집 'Findings of ACL 2026'에 게재됐다고 3일 밝혔다.

'Findings of ACL 2026'은 자연어처리 및 전산언어학 분야 최고 권위의 국제 학술대회 'ACL(Association for Computational Linguistics)'에서 발행하는 논문집이다. 

국제 학계의 엄정한 동료평가를 거쳐 수록된다는 점에서 학술적 의미가 크며, 이번 게재는 딥노이드의 생성형 의료 AI 역량이 글로벌 학계에서 인정받았음을 보여준다.

이번 연구는 흉부 엑스레이 영상을 바탕으로 AI가 판독문을 생성하는 기술을 다뤘다. 기존 멀티모달 거대언어모델(MLLM) 기반 접근은 높은 연산 비용과 대규모 학습 데이터가 필요하고, 실제 의료 영상에 없는 소견을 그럴듯하게 생성하는 환각 문제가 한계로 지적돼 왔다.

딥노이드 연구진이 제안한 연구 모델 'RA-RRG'는 의료인이 작성한 기존 판독문에서 임상적으로 중요한 핵심 표현을 추출해 두고 입력 영상과 관련된 표현을 검색해 이를 바탕으로 판독문을 생성하도록 설계한 것이 특징이다. 

거대언어모델이 판독문을 처음부터 모두 생성하도록 하지 않고, 의학적으로 근거가 되는 표현을 미리 참고해 작성하도록 함으로써 환각을 줄이고 신뢰성을 높였다.

이 방식은 거대언어모델을 추가로 미세조정(fine-tuning)할 필요가 없어 학습 연산 비용을 기존 비교 모델 대비 90% 이상 줄일 수 있으며, 동시에 환각 표현을 효과적으로 억제할 수 있다는 점에서 실용성이 높다. 

연구 결과 'RA-RRG'는 CheXbert F1 및 RadGraph F1 지표로 검증한 결과 '최첨단(SOTA)'급 성능을 확인했다.

또한, 연구진은 단일 영상뿐 아니라 복수 영상을 함께 활용하는 멀티뷰 판독으로 자연스럽게 확장될 수 있음을 확인했다. 서로 다른 각도의 영상 정보를 통합해 더 풍부한 판독문을 생성할 수 있어, 실제 의료 현장에서 생성형 AI의 적용 범위를 넓히는 기반이 될 것으로 기대된다.

최우식 대표는 "이번 게재는 딥노이드가 추진해 온 생성형 의료 AI 연구의 기술적 가능성과 임상 적용 잠재력을 국제적으로 확인받은 성과"라며 "M4CXR를 비롯한 의료 특화 생성형 AI 기술을 고도화해 향후 다양한 모달리티로 확장해 나가겠다"고 전했다.

한편 지난 6월 딥노이드는 자사의 생성형 AI 기반 흉부 엑스레이 예비 소견서 생성 솔루션 'M4CXR'이 식약처로부터 디지털의료기기 3등급 품목허가를 획득한 바 있다. 

이번 연구는 생성형 의료 AI의 신뢰성과 경제성을 동시에 높이는 방향성을 제시함으로써, 'M4CXR'의 기술 경쟁력과 실제 임상 적용 가능성을 한층 강화하는 기반이 될 것으로 기대된다.