메이요 클리닉, MS 리서치·세레브라스와 의료용 파운데이션 모델 개발 협력

병원에서 흉부 엑스레이를 찍고 판독을 마냥 기다리거나, 자가면역 질환 판정을 받은 뒤 나에게 맞는 치료제를 찾느라 몇 달씩 약을 바꿔가며 고통받는 일은 의료 현장의 오랜 난제다.

미국 메이요 클리닉(Mayo Clinic)이 이 두 가지 병목 현상을 해결하기 위해 빅테크 및 반도체 스타트업과 손을 잡았다. 제43회 JP모건 헬스케어 콘퍼런스에서 메이요 클리닉은 마이크로소프트 리서치(Microsoft Research), 세레브라스 시스템즈(Cerebras Systems)와 각각 생성형 AI 파운데이션 모델 개발을 위한 파트너십을 체결했다고 발표했다.

흉부 엑스레이 판독과 튜브 위치 확인 돕는 멀티모달 AI

마이크로소프트 리서치와의 협업은 방사선 판독 현장의 업무 부담을 덜어주는 멀티모달 파운데이션 모델에 초점을 맞춘다.

메이요 클리닉의 엑스레이, CT, MRI 데이터와 마이크로소프트의 바이오메디컬 AI 역량을 결합해, 이미지와 텍스트를 동시에 이해하는 모델을 개발하는 방식이다. 개발 중인 개념 증명(PoC) 모델은 흉부 엑스레이 판독 보고서 자동 작성, 체내 삽입된 튜브와 카테터 위치 평가, 이전 영상과의 변화 비교 등의 작업을 수행한다.

메이요 클리닉 영상의학과 위원장이자 생성형 AI 전략 디렉터인 매슈 칼스트롬(Matthew Callstrom) 박사는 이번 모델이 영상의학 전반의 병목을 해결하고 의료진이 신속하게 진료 결정을 내릴 수 있도록 도울 것이라고 강조했다.

엑솜 데이터 분석해 류마티스 관절염 '약효' 미리 예측

세레브라스 시스템즈와의 협력 프로젝트는 유전체(Genomic) 파운데이션 모델 개발이다.

메이요 클리닉 플랫폼이 보유한 환자 엑솜(Exome) 데이터와 공개된 인간 참조 유전체 데이터를 결합했다. 엑솜은 질병을 유발하는 돌연변이가 집중된 단백질 코딩 영역이다. 세레브라스의 대규모 연산 하드웨어와 생성형 AI 기술을 활용해 방대한 유전체 데이터를 대규모로 사전 학습시켰다.

대표적인 적용 사례는 류마티스 관절염(RA)이다. 기존에는 환자에게 맞는 치료제를 찾기 위해 여러 약물을 수개월간 복용해보는 시행착오를 거쳐야 했다. 메이요와 세레브라스가 개발한 모델은 환자의 유전체 데이터를 유사한 특성을 지닌 환자군과 거의 실시간으로 대조해, 치료 반응을 정밀하게 예측하고 최적의 표적 치료제를 조기에 선택할 수 있도록 돕는다.

왜 중요한가

범용 거대언어모델(LLM)이 의료 지식을 그럴듯하게 설명할 수는 있어도, 실제 병원 환경에서 의사의 결정을 대체하기는 어렵다. 메이요 클리닉은 영상의학 판독이라는 '업무 효율' 영역과 유전체 기반 처방이라는 '정밀 의료' 영역으로 명확히 역할을 쪼개 전문 파운데이션 모델을 구축하는 실용적인 경로를 택했다.

전체 유전체 분석 대신 변이가 집중된 엑솜 데이터를 집중 공략한 점은 영리한 선택으로 보인다. 연산 비용을 아끼면서도 임상적 유의미성을 빠르게 확보할 수 있기 때문이다. 또한 유전체 데이터 학습을 위해 엔비디아가 아닌 세레브라스의 특화 칩 아키텍처를 도입했다는 점은 바이오 AI 분야의 인프라 다변화 측면에서도 주목할 만하다.

하지만 임상 적용까지는 신중한 검증이 필요하다. 흉부 삽관 위치 평가는 사소한 오류도 환자 안전에 치명적일 수 있으며, AI 생성 보고서의 법적 책임 문제도 여전히 미해결 상태다. 아울러 특정 대형 병원 환자군으로 학습된 유전체 모델이 다양한 인종과 지역 환자들에게도 동일한 예측 성능을 보일지는 추가적인 다기관 임상 시험을 통해 입증되어야 한다.