2025.09.12 (금)

  • 맑음동두천 25.8℃
  • 구름조금강릉 27.3℃
  • 맑음서울 26.6℃
  • 구름많음대전 25.0℃
  • 흐림대구 22.6℃
  • 흐림울산 23.8℃
  • 구름많음광주 24.8℃
  • 흐림부산 27.2℃
  • 구름조금고창 25.2℃
  • 제주 24.5℃
  • 맑음강화 25.7℃
  • 구름많음보은 24.4℃
  • 구름많음금산 25.9℃
  • 구름많음강진군 26.3℃
  • 흐림경주시 22.1℃
  • 구름많음거제 25.3℃
기상청 제공

서울대병원, ‘한국형 의료 거대언어모델(LLM)’ 개발

전자의무기록, 의료영상저장전송시스템, 디지털병리시스템, 유전체 등 대규모 의료 데이터 활용

 서울대병원(병원장 김영태)은 최근 국내 최초로 ‘한국형 의료 거대언어모델(LLM, Large Language Model)’을 개발했다고 밝혔다. 이 모델은 서울대병원의 전자의무기록(EMR), 의료영상저장전송시스템(PACS), 디지털병리시스템, 유전체 데이터 등 대규모 의료 데이터를 활용해 개발됐으며, 한국의 의료 시스템에 특화된 의료 정보를 처리하고 진료 효율성을 높이며 환자 안전을 강화하는 중요한 기술적 진전을 이루었다. 서울대병원은 이 모델을 통해 글로벌 의료 분야에서 경쟁력 있는 기술을 선도하고, 환자들에게 더 나은 의료 서비스를 제공할 수 있는 기반을 마련할 계획이다.

  전 세계적으로 거대언어모델에 대한 연구와 개발이 활발히 진행되고 있으며, OpenAI의 ChatGPT, 구글의 PaLM-MED2, 마이크로소프트의 Med-LLaVA 등 다양한 의료 특화 모델이 등장했다. 그러나 기존의 의료 LLM 모델들은 주로 서구권의 의료 지식에 최적화되어 있고, 한국어로 된 의료 텍스트나 한국의 의료법 및 진료지침 등을 이해하지 못하는 한계가 있었다. 서울대병원은 이러한 글로벌 동향에 맞춰, 한국어와 영어를 혼용하는 국내 의료진의 요구를 충족하고, 전문의 수준의 의학 지식과 약어·줄임말 등 언어적 특성을 이해하는 LLM 개발의 필요성을 절감했다. 

  서울대병원은 이를 해결하기 위해 2024년 3월, 한국형 의료 지식을 바탕으로 한 한국형 의료 거대언어모델(LLM) 개발에 착수했다. 병원 내 입원초진, 외래기록, 수술·처방·간호기록 등 3,800만 건의 임상 텍스트를 활용해 ‘한국어 의료 텍스트 말뭉치’를 구축하고, 이를 개인정보 가명화 및 비식별화 후 병원 내에서 안전하게 활용할 수 있도록 공개했다. 이 텍스트 말뭉치는 모델 학습의 기초 데이터로 활용되어, 한국 의료 시스템에 맞는 정보 처리 능력을 키우는 데 중요한 역할을 했다.

  2025년부터 서울대병원은 이 모델을 더욱 발전시켜 한국의 의료 관련 법률, 국문 논문 초록, 학회 진료 지침 등을 통합하고, 의학용어 약어 사전과 용어 표준화 작업을 진행했다. 이를 통해 실제 진료 프로세스를 모방한 각 진료과 특화 지시훈련 데이터셋을 구축하고 공개했으며, 지식그래프 기반 검색증강생성(RAG) 및 다학제 멀티 에이전트 프레임워크를 개발했다. 이러한 과정을 통해 병원 내에서 실용적으로 활용할 수 있는 ‘한국형 의료 거대언어모델(LLM)’을 1년 만에 완성했다. 서울대병원은 이 모델의 성능과 안전성을 검증한 후, 병원 내 연구 및 업무 보조에 활용할 예정이다.

  이 모델은 한국의사국가고시 최근 3개년 데이터 대상으로 실험을 진행한 결과,  86.2%의 정확도를 기록하며 오픈소스 모델 중 최초로 실제 의사 평균 정확도(79.7%)를 뛰어넘는 우수한 성과를 거두었다. 이는 한국형 의료 LLM이 의료 분야에서 실용적이고 실현 가능한 기술임을 입증한 사례로 평가된다. 또한, 약 5만개 단어의 방대한 텍스트를 한 번에 처리할 수 있는 우수한 번역 성능을 갖춘 이 모델은 향후 다양한 의료 분야에서도 성능을 확장하고, 의료 데이터 처리의 정확성과 효율성을 더욱 향상시킬 것으로 기대된다.

  서울대병원은 향후 LLM의 성능을 고도화하여 실제 진료 현장에서 활용할 수 있도록 발전시킬 예정이다. 이를 위해 의료 영상과 생체 신호 데이터를 결합한 멀티모달 AI로 확장하여 외래, 입·퇴원 등 의무기록을 자동 요약하는 ‘HIS.AI’, 원무 및 보험 청구 업무를 효율화하는 ‘CLAIM.AI’, 최신 논문을 연구자 맞춤형으로 큐레이션하는 ‘RESEARCH.AI’ 프로젝트를 추진한다. 이러한 프로젝트들은 의료진의 번아웃을 줄이고 업무 효율성을 크게 향상시킬 것으로 기대된다. 결과적으로, 의료진은 행정 업무에서 벗어나 환자와의 직접적인 소통과 치료에 더 많은 시간을 할애할 수 있게 되어 환자 중심적인 진료 환경이 더욱 강화될 것이다.

  LLM 개발을 주도한 이형철 교수(헬스케어AI연구원 부원장)는 “한국형 의료 거대언어모델은 서울대병원의 우수한 의료진의 의료 지식을 바탕으로 개발되어 진료 효율성을 높이고 환자 만족도를 증대시킬 중요한 기술적 진전을 이루었다”며 “LLM 기술은 의사들의 업무를 돕는 중요한 도구가 되어, 의료 서비스의 질을 한층 향상시킬 수 있을 것”이라고 말했다.

  김영태 병원장은 “이번 한국형 의료 거대언어모델 개발을 통해 의료진의 업무 효율을 극대화하고, 환자들에게 더 빠르고 정확한 의료 서비스를 제공함으로써 의료 혁신의 새로운 장을 열었다”며 “앞으로도 지속적으로 최신 기술을 도입하여 환자들에게 최상의 의료 서비스를 제공할 것”이라고 말했다.

배너
배너

배너

행정

더보기
식약처,바이오시밀러 심사역량 강화... 허가기간 406일→295일로 단축 추진 식품의약품안전처(처장 오유경)는 동등생물의약품(바이오시밀러)의 품목허가 수수료 개편을 주요 내용으로 하는 「의약품 등의 허가 등에 관한 수수료 규정」 일부개정안을 9월 11일 행정예고했다. 이번 행정예고는 9월 5일 진행한 부처합동 「바이오 혁신 토론회」 후속조치 중 하나로, 신약에 대한 수수료 개편(‘25.1.2~) 등 허가 혁신방안을 동등생물의약품 허가에까지 적용하여 허가기간을 대폭 줄이기 위한 것이다. 규정 개정안에 따르면 동등생물의약품의 품목허가 수수료가 3억 1천만원으로 재산정된다. 식약처는 이에 따른 재원을 전담심사팀 운영, 의․약사 등 역량 높은 심사자 채용에 활용하게 되며, 심사역량 강화를 통해 동등생물의약품 허가기간을 기존 406일에서 295일까지 줄인다는 계획이다. 관련 업계의 부담 완화를 위해 중소기업이 국내 개발한 동등생물의약품을 허가 신청한 경우에 수수료의 50%를 감면하며, 동일 신청인이 유사한 허가를 신청*한 경우에는 두 번째 품목부터 8백만원(전자민원 기준)으로 수수료가 감면된다. 식약처는 지난해 신약 허가 수수료 현실화에 이어 이번 동등생물의약품의 수수료 재산정을 통해 최근 급성장하는 바이오의약품에 대한 지원체계를 강화하여 해외

배너
배너

제약ㆍ약사

더보기

배너
배너
배너

의료·병원

더보기
표적치료제 없는 삼중음성유방암, 환자 자신의 암조직 활용 ..."면역치료 효과" 높일 수 길 열리나 표적치료제가 거의 없는 삼중음성유방암에서 새로운 맞춤형 면역치료의 가능성을 보여주는 연구 성과가 나왔다. 서울대병원·서울대·KAIST 공동 연구팀은 동물실험에서 환자 암세포에서 얻은 신항원이 포함된 자가종양유래물(TdL)이 강력한 종양 억제 효과를 보였을 뿐 아니라 폐 전이까지 줄이고, 기존 면역항암제와 병합했을 때는 단독 투여보다 치료 효과가 크게 강화되는 것을 확인했다. 또한, 암세포 돌연변이로만 생기는 특이 단백질 조각(신항원)을 나노입자(LNP)에 담아 투여했을 때도 종양 성장이 억제되는 효과가 관찰됐다. 서울대병원 유방내분비외과 문형곤 교수, 서울대 허유정 암생물학 협동과정 박사, KAIST 생명과학과 전상용·바이오및뇌공학과 최정균 교수팀(김정연 박사)으로 구성된 공동 연구팀은 환자 종양 조직에서 도출한 TdL과 신항원을 활용한 새로운 치료 전략을 삼중음성유방암 동물모델에서 검증해 이 같은 결과를 확인했다고 12일 발표했다. 삼중음성유방암은 전체 유방암 환자의 약 15%를 차지하는 아형으로, 암세포에 여성호르몬 수용체(에스트로겐·프로게스테론)와 HER2 단백질이 모두 없어 호르몬 치료제나 HER2 표적치료제를 사용할 수 없다. 결국 항암화학요법에 의