최근 중국과학원 홍콩 혁신연구원 인공지능 및 로봇 혁신센터(CAIR)가 주최하고 홍콩과학원(HKSTP)이 협력한 제4회 홍콩 임베디드 AI 의료기술 포럼(The 4th Hong Kong Clinical-driven Robotics and Embodied AI TEchnology Symposium, CREATE Symposium)이 홍콩 과학원 고오꾼 컨퍼런스 센터에서 성대히 개최되었다.
임상의학과 첨단 과학기술을 잇는 중요한 국제 교류 플랫폼으로서, 이번 포럼은 '의료 AI 상업화의 길'을 주제로 전문가·학자, 병원 관리자, 권위 있는 임상 의사 및 산업 자본 대표 등 약 300명이 한자리에 모였습니다. 행사는 호흡기 개입, 이비인후과, 초음파 영상, 수면 의학 등 전문 진료 분야의 임상적 페인포인트에 초점을 맞추어 최신 기술 발표, 병원장 원탁 대화, 벤처투자 로드쇼 전문 세션, 주제별 분과 토론, 과학기술 성과 전시, 구현형 지능(Embodied AI) 수술실 시나리오 탐색 등 다양한 세션을 마련하여 의료·연구·산업·투자 간 협동 혁신을 가속화하고, 과학 연구 성과가 의료 실천에 적용되는 데 강력한 동력을 불어넣었습니다.
개막식에서 CAIR 소장 류홍빈(刘宏斌) 연구원, 홍콩과기원(HKSTP) 최고경영자 황병수(黄秉修), 화룬헬스(华润健康) 총경리 겸 화룬의료(华润医疗) 총재 장창(张闯), 중국과학원 홍콩혁신연구원 집행원 하오인성(郝银星), 중국과학원 자동화연구소 부소장 뤼핀(吕品) 연구원, 그리고 선전 비지Genomics(华大智造, MGI) 최고경영자 류젠(刘健)이 차례로 축사를 했다.
이번 포럼에서 CAIR는 자체 개발한 멀티모달 임상 지능형 에이전트 시스템 CARES 4.0을 대대적으로 공개했습니다. 해당 시스템은 Harness 에이전트 프레임워크를 기반으로 구축되었으며, 하위 계층에 자체 개발한 CT, MRI, 초음파, 내시경, 뇌파 멀티모달 의료 파운데이션 모델을 탑재하여 기존 단일 지점 의료 AI 모델의 한계를 타파하고, 병원 임상 워크플로에 깊이 통합되어 의사의 지능형 파트너로서 진료, 과 관리, 의학 연구 전 과정 시나리오를 아우릅니다.
임상 적용 측면에서 CARES 4.0은 여러 3급 갑등(三甲) 병원에서 도입 검증을 완료했습니다. 진료 시나리오에서는 환자 주소부터 영상 검사, 병리 평가, 최종 확진에 이르는 전 과정 보조 진단을 실현할 수 있습니다. 진료과 관리 시나리오에서는 자연어 대화형 질의를 지원하여 장비 부하, 질병 분포 등의 정보를 자동으로 취합하고 원클릭으로 진료과 운영 보고서를 생성합니다. 의학 연구 시나리오에서는 임상 전문질환 데이터셋을 대상으로 다차원 통계 분석을 수행하고 간이 머신러닝 모델을 학습시켜 논문 투고에 바로 다듬어 활용할 수 있는 분석 보고서를 출력합니다. 시스템에는 임상 고품질 데이터 축적 플랫폼이 함께 제공되어, 병원 내 다원 소스 데이터의 정제, 품질 검사 및 구조화된 축적을 자동으로 수행함으로써 AI의 지속적인 반복 개선을 위한 데이터 기반을 탄탄히 다집니다.
현재 CARES 4.0 공식 웹사이트가 개설되었으며, 프레임워크와 범용 툴킷은 이미 공개되었고 의료 툴킷도 순차적으로 공개되고 있다. 센터가 자체 개발한 초음파 및 수술 영상 오픈소스 모델도 플랫폼에 연계되어 사회에 무료로 개방될 예정이다.
CAIR 연구원 이둉(Yi Dong)이 CARES 4.0을 소개합니다
AI가 의료 체계에 깊이 융합되고 임상 적용으로 나아가는 현실적 과제에 직면하여, 이번 포럼에서는 홍콩-선전 병원 원장 원탁 대화를 특별히 마련하여 IHH 헬스케어(북아시아) 지역 최고경영자 겸 항이병원(港怡醫院) 총괄 쩡칭롄(曾庆廉), 홍콩대학 선전병원 원장 장원즈(张文智), 홍콩중문대학병원 행정총재 정진라이(钟健礼), 광동 삼구뇌과병원 원장 차이린보(蔡林波), 선전시 루후구인민병원 실행원장 셩이(熊奕), 중산대학 부속 제3병원 량난(岭南)병원 관리위원회 주임 후시취안(胡昔权), 홍콩대학 치의학대학 부원장(교육 및 과학기술 혁신) 런위헝(林宇恒) 등 여러 의료기관 관리자들을 초청하여 교류와 토론에 참여하게 했다.
원탁 게스트들이 각자 견해를 밝혔다: 사립 의료기관이 고가치 AI 의료 시스템을 도입할 때는 투자 수익을 평가하고 운영의 지속가능성과 공중보건 가치를 함께 고려해야 한다; 국경 간 의료 AI 응용은 컴플라이언스 라인을 엄격히 지키며 법적 틀 안에서 데이터 상호운용을 탐색하고 안전, 컴플라이언스, 운영 효율을 통합적으로 도모해야 한다; 스마트 병원 구축은 업무 프로세스 재구축에 중점을 두고 AI의 진료·간호·관리 전 과정 융합을 추진해야 한다; AI의 임상 적용은 고품질 데이터와 의공학 협업에 의존하며, 현재 핵심 과제는 진료 상황에서의 위험 범위 설정과 책임 분담이므로 다방면의 위험 공유 메커니즘 조립이 시급하다; 기층 의료에서 AI 보급은 단계적으로 실시하고 우선적으로 경험 최적화 유형의 응용을 도입하며, 고위험 AI 진단 도구는 완비된 안전 보장 체계를 갖추어야 한다; 재활 분야에서 AI는 재활 평가와 치료 방안 수립을 지원하여 치료사의 업무 부담을 덜 수 있다; AI는 의료의 기본 역량이 될 것이며, 치과 전문병원은 AI를 활용해 정밀 진료와 가정용 검진을 전개하여 구강 건강의 정밀한 관리를 실현할 수 있다.
주제 발표 세션에서는 금번 포럼에 영국 왕립공학원 원사이자 영국 의학아카데미 원사이며 런던 킹스 칼리지 부총장(혁신)인 Sebastien OURSELIN 교수, 유럽과학원 원사이자 뮌헨공과대학교 CAPP 소장인 Nassir NAVAB 교수, 홍콩중문대학교 기계 및 자동화공학과의 류윈후이(劉雲輝) 교수, CAIR 소장인 류훙빈(劉宏斌) 연구원, 상하이자오퉁대학교 석좌교수이자 생물의학공학원 원장인 랴오훙언(廖洪恩) 교수, 선전대학교 인공지능학원의 니둥(倪東) 교수 등 여러 명의 세계 최고 의공학 혁신 학자들이 한자리에 모였습니다. 전문가들은 국제적 최전선에 서서 의료기기와 디지털 헬스 생태계, 의료 로봇의 인간-기계 협업, AI 기반 수술 로봇, 임상 지능형 에이전트 AI 시스템, 진료·치료 로봇의 영상 의사결정, 지능형 초음파의 연구·생산·사업화 전환 등 주요 화제 주제를 중심으로 구체화된(엠바디드) 지능 의료 기술의 발전 추세를 심층적으로 분석하고 세계 각국의 기술 혁신 성과를 공유했습니다.
Sebastien OURSELIN 원사가 "From Bench to Bedside to Boardroom- An Innovation Ecosystem for Medical Devices and Digital Health"을 발표했습니다.
Nassir NAVAB 원사가 “Dyadic Partnership(DP): A Missing Link Towards Full Autonomy in Medical Robotics”를 주제로 강연을 공유합니다.
중산대학 부속 제1병원 호흡기·위중증의학과 부주임 랴오훠이(廖槐) 교수, 산둥대학 치루병원 이비인후과 주문 레이다펑(雷大鹏) 교수, 중일우호병원 호흡기·위중증의학과 부주임 허우강(侯刚) 교수, 중산대학 부속 제1병원 초음파의학과 주문 셰샤오옌(谢晓燕) 교수, 산둥대학 치루병원 초음파과 주문 타오궈웨이(陶国伟) 교수, 화중과학대학 동제의학원 부속 동제병원 초음파영상과 주문 cui 신우(崔新伍) 교수, 산둥대학 치루병원 간호부 주임 차오잉쥐안(曹英娟) 교수, 홍콩중문대학 의학원 외과학과 교수 겸 심흉외과 주문 황훙량(黄鸿亮), 난방의과대학 난방병원 정신심리과(수면의학센터) 주문 장빈(张斌) 교수, 지난대학 부속 제1병원 수면의학센터 주문 파NCY지양(潘集阳) 교수, 수도의과대학 쉬안우병원 혈관초음파과 주문 XING잉치(邢英琦) 교수, 홍콩 엘리자베스병원 신경외과 부서장 겸 자문의 맥카이쥔(麦凯钧), 홍콩대학 임상의학원 외과학과 임상조교수 탄자오쭝(谭兆宗) 등이 전공 분야의 다년간의 축적을 바탕으로 의료영상, 초음파 진료, 스마트 간호, 심흉외과, 수면의학, 혈관초음파 및 신경외과 등 방향을 중심으로 일선 임상 실무 경험을 교류했습니다.
또한 선전공과대학(深圳理工大學) 바이오의공학대학 학장 리쭝밍(李宗明) 교수, 홍콩중문대학 전자공학과 임훙량(任洪亮) 교수, 홍콩중문대학 기계 및 자동화공학과 궈자웨이(郭嘉威) 교수, 싱가포르 국립대학 기계공학과 정년트 부교수 주즈광(朱志光), 홍콩중문대학 컴퓨터과학 및 공학과 부교수 더우치(窦琪), 홍콩대학 기계공학과 조교수 장중량(蒋中亮) 등 학자들 역시 AI 알고리즘 연구개발, 의료 로봇 시스템, 임상 전환 등 서로 다른 차원에서 연구 진전을 공유하며, 의공 융합이 스마트 의료 발전에 역량을 부여하는 다양한 경로를 다차원적으로 보여주었다.
또한, 이번 포럼에서는 벤처캐피털 로드쇼 전문 세션을 마련하여 의료 기술 최전선 트랙에 초점을 맞추고, 혁신 기업, 연구기관 및 투자기관을 한자리에 모아 프로젝트 교류와 자원 매칭을 위한 플랫폼을 구축했습니다. 심사위원들은 기술 장벽, 임상 검증 및 상업화 전략 분석을 지원하여 팀이 시장화 경로를 명확히 하고 의료 기술 성과의 산업화 착지를 가속화하도록 힘을 보탰습니다.
각종 하드코어 과학기술 혁신 프로젝트가 로드쇼에 참여해, 광학 다차원 힘 센서, 강복강경 수술 로봇, 최소침습 수술용 신형 기구 및 보조 장비, 수면 대규모 모델, 초음파 로봇, 수술 로봇, 수술 내비게이션 시스템, ASIC 칩 및 능동형 이식 의료기기, 뇌-컴퓨터 인터페이스 및 바이오닉 근육, 수술 계획 및 시뮬레이션, 개인 맞춤형 교정 및 재건 등 첨단 분야를 아우렀다. 츤더캐피털(辰德资本), 광위안투자(光远投资), 지우광캐피털(玖光资本), 전즈테크놀로지(全志科技), 위에슈그룹(越秀集团), 양화투자(阳和投资), 쏭허의료건강펀드(松禾医疗健康基金), CICC캐피털(中金资本), 화다쏭허생명과학펀드(华大松禾生科基金), 궈커자허(国科嘉和), 젠위안톈화(建元天华) 등 투자기관과 산업계 대표가 현장을 찾아 창업 팀과 면대면으로 심도 있는 교류를 나누며 투융자 수요를 충분히 매칭했다.
화리츄앙커쉐(华力创科学) 공동창업자 위천(鱼晨) 박사가 광학 다차원 힘 센서 기술의 핵심 포인트를 설명합니다
이번 포럼 협력 기관으로서 홍콩과학원(HKSTP)은 "Empowering Founders, Enabling Growth: HKSTP's Entrepreneurship Journey from Idea to Commercialization" 특별 세미나를 개최하고, 첨단 과학기술 성과의 산업화 상용화에 초점을 맞추어 과학원의 생명·보건 과학 생태계 및 창업 커뮤니티를 상세히 소개하고, 플랫폼 초기 스타트업 대표들을 초청해 상용화 인사이트와 실제 사례를 공유하게 하며, 다양한 분야 대표들과 다차원적인 대화를 진행하여 전략적 협력이 가치 창출과 기업 성장에 어떻게 힘을 실어주는지 논의함으로써, 의료 기업 간 협력과 혁신 성과의 실용화를 위한 생생한 실천 사례와 생태계적 지원을 제공하였다.
또한 포럼과 함께 의료과학기술 성과 전시회가 개최되어, 화리창과학(Huali Chuang Science), 쓰둥의학(Endo Medical), 선쫑테크, 허우카이메디컬, 메이신촹커, 러진정화 등 과학기술 혁신 기업들과 홍콩과학원 Incu-Bio 플랫폼에서 육성된 10여 개의 스타트업이 집중적으로 참가하여 스마트 의료, 디지털 의료, 정밀 의료 분야의 최첨단 기술과 혁신 성과를 다방면으로 선보였습니다.
행사 마무리 단계에서 참석자들은 CAIR 구현 지능 수술실로 이동하여 CARES 멀티모달 임상 지능 에이전트 시스템, 후두경 및 기관지경 진단 지능 에이전트, AI 수면 시스템, '링인(聆音)' 초음파 대형 모델, 구현 지능 휴대용 초음파, 초음파 스캔 로봇, 협소 공간 미세침습 수술 솔루션, 실시간 의료 물리 시뮬레이션 플랫폼, 중재 수술 저자기장 자기공명영상, 신경외과 구현 지능 수술 로봇 MicroNeuro 등 첨단 성과를 현장에서 참관했습니다. 참관 과정에서 참석자들은 연구개발팀의 기술 설명을 열심히 경청하고 각 성과의 핵심 기술 특징, 임상 진단·치료 가치와 실증 적용 시나리오를 심도 있게 이해했으며, 기술 연구개발의 병목, 임상 시범 진행 상황 및 산업화 추진 경로 등의 내용을 중심으로 심도 있는 토론을 진행하여 지능형 진단·치료 기술이 시나리오의 제약을 돌파하고 적용 범위를 확대하는 데 힘을 보탰습니다.
CAIR 소장 류홍빈과의 대화: CARES 4.0의 임상 적용과 의료 AI의 상용화之路
상기 성과 발표 및 전시 외에도, 포럼 기간 동안 CAIR 소장 류훙빈(刘宏斌) 연구원과 대화를 나누며 CARES 4.0이 이전 세대 대비 갖춘 능력 향상, 수술 위험 경보의 임상적 제시, 의료 AI의 환각과 안전 경계, 그리고 의료 AI의 상용화·현장 적용 경로 등의 문제를 중심으로 교류를 진행했습니다.
다음은 대화 전문이며, 루이펑왕(雷峰网)은 원래 취지를 바꾸지 않는 범위에서 편집했습니다:
레이펑왕(雷峰网, 공식 계정: 雷峰网): 4.0은 3.0에 비해 기능이 늘어난 것입니까, 아니면 능력의 성질이 바뀐 것입니까? 이러한 차이를 설명할 수 있는 구체적인 예를 하나 들어주실 수 있습니까?
류훙빈:CARES는 1.0에서 3.0까지, 그 자체로 하나의 대형 모델입니다. 3.0일 때는 질의응답만 할 수 있었습니다. 이 질의응답은 멀티모달일 수 있는데, 예컨대 한 장의 사진에 대한 질의응답, 한 편의 영상에 대한 질의응답 같은 것이 1.0에서 3.0까지가 해결한 문제입니다. 그러나 3.0 자체는 어디까지나 하나의 도구일 뿐이며, 의사가 이 도구를 사용할 줄 알아야 구체적인 과제를 완수할 수 있습니다.
4.0으로 업그레이드하여 지능형 에이전트로 만들었고, 이제 의사를 진정으로 도와 일을 할 수 있게 되었습니다. 예를 들어 이번 발표회에서 든 사례가 있습니다: 임상 과장이 지난달의 수술 건수, 소모품 상황, 환자 상황을 통계 내어 보고서를 만들어 병원 경영진에게 보고하거나 과내 토론에 사용하려고 합니다. 이 업무는 이전에는 반드시 과장의 조수가 CARES 3.0을 사용해 완료해야 했지만, 이제는 조수가 필요 없이 지능형 에이전트 시스템 전체가 자율적으로 완료합니다. 과정 중에 과장과 약간의 상호작용이 있을 수 있는데, 그의 생각과 어떤 유형의 분석 보고서를 만들 것인지 확인하는 것입니다——이러한 상호작용 기능도 우리는 넣었습니다.
레이펑왕(雷峰网): 이번에 발표된 5가지 기능 중에서 수술 영상의 의미 이해와 위험 경보가 가장 주목을 받고 있습니다. 이 경보는 실제 수술에서 어떻게 나타나나요?
리훙빈(刘宏斌): 경고는 몇 가지 측면으로 나뉜다. 하나는 조작 공간상의 경고다. AI가 조작 부위가 중요한 혈관, 동맥, 신경에 매우 가깝다는 것을 인식하면, 이때 의사에게 경고를 주어 이 단계에서 위험이 있을 수 있으니 그 위치를 건드리지 말라고 알려주는 것이다.
또 다른 하나는 시간 범위상의 경고다. 수술은 절차화되어 있어서 이 단계를 마쳐야 다음 단계로 넘어갈 수 있다. 만약 의사가 첫 단계를 충분히 하지 못했다면—예를 들어 신경외과 수술에서 먼저 골창(骨窓)을 열어 통로를 만들고, 최종 목표는 그 안의 종양을 완전하고 철저하게 깨끗이 절제하는 것이다—골창을 충분히 크게 열지 않으면 안쪽의 종양을 깨끗이 절제하지 못할 수 있으며, 깊이 들어간 후에야 다시 골창을 열려고 하면 이미 늦다. 이러한 시간 차원상의 경고 역시 하나의 차원이다.
현재 애플리케이션이 실제로 활용되는 부분은 주로 공간적 경고입니다. 예를 들어 의사에게 '지금 조작하고 있는 부위가 매우 중요한 해부학적 구조와 가까우니 피해야 한다'고 알려주는 것입니다.
레이펑왕(雷峰网): 현재 몇 개 병원, 어떤 과에서 어느 정도 수준까지 사용되고 있습니까?
류훈빈(刘宏斌):예를 들어 우리는 중산대학 부속 제1병원에서 랴오화이(廖槐) 주임과 협력하고 있는데, 그가 기관지경 검사를 할 때 이 기능을 사용하고 있습니다. 우리는 이렇게 알려줍니다. '이 부위는 보기에 기관지라고 생각하지만, 그 아래는 사실 혈관입니다.' 경험이 부족한 의사 중 일부는 기관지에 돌기가 하나 있는 것을 보고 생검을 해도 된다고 생각할 수 있지만, 사실 그 돌기는 혈관의 일부입니다. 만약 생검을 하면 동맥을 뚫어버릴 수 있는데, 그것은 큰 수술 리스크가 됩니다.
레이펑왕: 의료 AI에서 가장 민감한 것은 환각과 오진 위험입니다. CARES는 의사에게 '제안'을 하는 것입니까, 아니면 '결론'을 주는 것입니까? 발생할 수 있는 판단 불일치에 대해 팀은 시스템 설계에서 어떤 작업을 했습니까?
류훈빈:현재 CARES는 병원에서 의사와의 협업에서 주로 조수 역할을 하며 제안을 제공합니다. 하지만 AI는 분명 때때로 환각을 일으킬 수 있습니다. 우리가 해야 할 첫 번째 일은 환각을 최대한 제거하는 것입니다. 특히 의사결정류의 제안에서 그렇습니다. 예를 들어 의사가 진단서를 내릴 때 AI 모델이 어떤 진단 방식을 추천할 수 있는데, 여기서 오류가 발생하면 의사를 오도할 수 있으며, 이것은 상당히 큰 리스크입니다.
우리의 현재 방식은 다음과 같습니다. 먼저 AI의 전체 사고가 임상 전문가의 사고 논리를 엄격히 따르도록 하는 것입니다. 임상 전문가는 진단을 할 때 가이드라인을 참고하고, 국제 최상위 저널의 최신 임상 결과를 참고하여 종합적으로 판단한 후에야 결론을 내리거나 치료 방안을 추천합니다. 우리는 AI가 이 절차를 엄격히 따르도록 하고, AI가 호출할 수 있는 정보를 지식 그래프처럼 구조화된 데이터로 만들어, AI가 이러한 노드를 따라가며 의사에게 제안의 근거를 찾도록 합니다.
그래서 최종적으로 의사에게 제공되는 제안에는 반드시 그 사고 경로가 함께 첨부됩니다. 즉, 어떤 가이드라인의 어떤 조항, 어떤 학술 논문의 최신 발견을 바탕으로 진단 의견을 제시하고, 그다음에 임상 의사가 판단합니다. 어찌 되었든 의사가 최종 의사결정자이며, 이 점은 결코 바뀔 수 없습니다. 가장 중요한 것은 의사가 AI의 판단을 종합하고 자신의 사고를 결합하여 최종 결론을 내리도록 하는 것입니다.
레이펑왕: 병원 시범 운영에서 진정으로 임상 절차에 들어가기까지 가장 넘기기 어려운 관문은 기술 관문입니까, 승인 관문입니까, 아니면 의사들의 인식 관문입니까? 지금 어느 단계에 와 있습니까?
류훈빈:AI 의료의 도전은 아주 복잡한 시스템 안에서 제품을 착지시키고, 적용하고, 판매 수익을 창출해야 한다는 점입니다. 단일 지점의 문제가 아닙니다. 전체 의료 체계에는 몇 가지 큰 이해관계자가 있습니다. 즉 환자 본인, 의사, 병원, 그리고 의료보험 지급 측인데, 네 주체가 관심을 갖는 사항은 사실 서로 다릅니다. 제품의 설계가 이 네 주체의 요구를 동시에 충족할 때에만 상업화의 성공을 거둘 수 있습니다.
예를 들어, 먼저 기술적으로 선두를 보장해야 합니다. 국내 대형 병원들은 현재 기술에서 주도성을 갖기를 희망하는데, 이것은 '국가대표팀'의 지향이기도 합니다. 동시에 임상 문제를 진정으로 해결하여 의사가 도움이 된다고 느끼게 해야 합니다. 병원 입장에서는 새 기술을 도입했을 때 경영상 이익을 얻고 효율이 향상되어야 합니다. 의료보험 측면에서는 기술이 부담을 늘려서는 안 되며, 사용한 후 전체 치료 과정이 전반적으로 비용을 절감하는 것이 가장 좋고, 추가 비용을 늘리는 것이어서는 안 됩니다. 모든 제품을 설계할 때 이 몇 가지 측면을 모두 고려해야 합니다.
레이펑왕: 현재 의료 수직 분야의 CARES를 만들고 계신데, 보신 바로는 범용 모델의 능력 중 어떤 것은 그대로 가져올 수 있고, 어떤 것은 의료 시나리오에서 처음부터 다시 만들어야 합니까?
류훈빈:범용 능력 측면에서 보면, 모델의 범용 능력이 강할수록 수직 분야의 후학습과 수직 분야 도구를 더하면 성능이 더 좋아집니다. 범용 모델의 기초 능력은 일종의 초석에 해당합니다. 범용 능력이 강할수록 수직 분야 모델의 능력 상한선이 높아지는데, 이것이 첫 번째 포인트입니다.
하지만 실제 적용 시, 어느 병원의 어느 과 시나리오만 해결한다면 과업 내용은 사실 상당히 국소적입니다. 게다가 범용 능력이 강하다는 것은 흔히 모델이 너무 크다는 것을 의미하며, 배치가 어렵고 연산 자원 소모가 큽니다. 따라서 실제 배치는 하나의 균형입니다. 한편으로는 모델 능력이 있고, 다른 한편으로는 과업이 정말로 이렇게 높은 능력에 맞춰야 하는지, 아니면 더 작은 모델에 도구 설계와 후처리를 더하기만 해도 좋은 효과를 얻을 수 있는지입니다.
레이펑왕: 다마오원(达摩院)에서 중국과학원, 그리고 홍콩에 이르기까지 연구 방향이 한 걸음 한 걸음 범용 멀티모달에서 의료 수직 분야로 나아갔습니다. 이 길을 어떻게 걸어왔습니까? 의료 분야에 뿌리내리기로 확신하게 된 계기가 있었습니까?
류훈빈:사실 우리는 줄곧 AI 의료라는 방향을 해왔고, 이 길을 계속 견지해왔습니다. 저에게는 AI의 의료 분야 적용에 대한 신뢰를 지수적으로 높여준 두 번의 사건이 있었습니다.
첫 번째는 ChatGPT의 출시였습니다. 그 전에 AI 모델, 예컨대 CNN 합성곱 신경망은 도구의 일부에 불과했고, 엔지니어가 이를 이용해 소프트웨어를 만든 후 의사가 사용하도록 해야 했기 때문에 응용이 엔지니어의 능력에 크게 제한을 받았습니다. 즉 이것을 직접 의사에게 줄 수는 없었습니다. ChatGPT가 등장한 후 AI는 사람과 대화할 수 있게 되었고, 상호작용이 가능해졌으며, 종전의 '의사가 도구를 사용하지 못한다'는 문제는 해결될 수 있었습니다. 지금 돌아보면 겨우 4년 정도의 시간인데, 의사들은 이미 긴 학습 곡선 없이도 AI 도구를 익힐 수 있게 되었고, 이것이 당시 우리에게 매우 큰 자신감을 주었습니다.
또 다른 한 번은 지난 1년 동안입니다. 우리의 많은 AI 시스템이 이미 병원에 배치되기 시작했습니다. 팀은 협력하는 의사 팀과 교류하며 AI가 그들의 일상 업무에서 실제로 어떻게 사용되는지 파악했습니다. 우리는 모든 의사가或多或少 AI 도구를 사용하고 있음을 발견했습니다. 진단 분야가 아닐 수 있지만, 문헌 처리와 일상 업무에서는 이미 AI를 떠날 수 없습니다. 동시에 우리는 데이터량이 충분히 크고 데이터 품질이 충분히 높기만 하면, 모델의 능력이 전문가의 평균 수준을 넘어설 수 있음을 발견했는데, 이것은 여러 실제 배치 프로젝트에서 공통적으로 나타나는 현상입니다.
그래서 단일 과업에서는 AI가 분명 사람보다 더 잘할 것입니다. 자동차와 사람이 달리기 경주를 하면 자동차가 분명 이길 수 있는 것과 같습니다. 의료는 evidence-based(근거 기반)이므로, 근거가 충분히 많고 충분히 강하면 모두가 그것을 신뢰하게 될 것입니다.
레이펑왕: 현재 팀은 몇 개 병원과 실질적인 협력을 하고 있습니까? 의사들이 가장 집중적으로 준 개선 피드백은 무엇입니까?
류훈빈:병원 측면에서는 이미 30곳을 넘었습니다. 보급이 가장 빠른 것은 후두경 진단 AI 워크스테이션인데, 이 시스템 하나만 이미 10개가 넘는 병원에 배치되었습니다. 기관지경 시스템은 4개를 넘었고, 초음파 시스템도 10개를 넘었습니다. 어떤 병원들은 우리 시스템 여러 세트를 동시에 배치하기도 하므로, 계산해보면 30여 개가 넘는 병원이 실제로 사용 중입니다.
대부분의 피드백은 조작이 더 쉬워지기를, 너무 많이 고민하지 않고도 일을 끝낼 수 있기를 바라는 것입니다. 즉 업무 부담을 덜어주는 것이 그들이 가장 좋아하는 부분입니다. 또 다른 집중적인 요구는 모델의 출력과 상호작용이 더 직관적이어야 하고, 정보를 한눈에 볼 수 있으며, 의사가 AI 결과가 어떤 의미인지 오해하지 않도록 최대한 해야 한다는 것입니다. 그래서 우리의 많은 수정은 실제로 인간-기계 상호작용에 집중되어 있습니다. 즉 어떤 형식으로 AI의 결과를 보여줄 것인가, 차트인지, 숫자인지, 아니면 히트맵인지 등입니다.
레이펑왕: 5년 후 CARES 시리즈가 성공한다면, 수술실은 지금과 어떻게 달라져 있을까요?
류훈빈:미래의 수술실은 분명 인간-기계가 협업하는 지능형 공간이 될 것입니다.
첫째, 수술실의 많은 기구들이 로봇화될 것이지만, 이것이 반드시 인간형 로봇의 형태일 필요는 없습니다. 한 가지 예를 들면: 현재의 무영등은 수동적인 기구라서 의사가 손으로 끌고 조정해야 하지만, 미래의 무영등은 그 자체가 매니퓰레이터(기계 팔)가 되어 스스로 이동할 수 있고, 수술 전 과정에서 의사가 손으로 조정할 필요가 없습니다. 손으로 잡는 행위 자체가 감염 위험을 초래하기 때문입니다. 현재 간호사가 기구를 건네주는 동작도 미래에는 매니퓰레이터가 완수할 수 있습니다.
둘째, 수술실 안의 인원입니다. 의료는 비교적 완만하게 진화하는 과정이므로, 20년 후를 상상해볼 수 있습니다. 현재 한 대의 수술에는 일곱여덟 명의 의료 팀이 필요하지만, 미래 수술실에는 아마 두세 명만 있을 것입니다. 즉 주치의(집도의) 한 명과 한두 명의 간호사 또는 조수가 배합하고, 나머지는 로봇 장비가 그들과 상호작용하는 것입니다.
또한, 미래의 병원은 지금과 같은 부서별로 격리된 형태가 아닐 수도 있습니다. 하나의 대형 지능체, 즉 중앙에 연산 플랫폼이 있고 각 진료과는 그 신경 분지처럼 되어, 수술실·진료실·외래에서 일어나는 모든 상황이 실시간으로 이 '두뇌'에 집약되는 형태일 것입니다.
레이펑왕(雷峰网): 팀이 올해 무엇으로 바빴는지 한 문장으로 요약해 보라고 하신다면 어떻게 말씀하시겠습니까?
류훙빈(刘宏斌):우리는 이를 real-world research, 즉 실세계 연구라고 부릅니다. 지난 몇 년 동안 우리는 많은 AI 모델과 AI 도구를 만들어 왔고, 지난 1년간은 여러 병원에서 임상 배포와 의사 피드백 수집에 집중했습니다. 또한 모델이 실제로 의사에게 도움이 되었는지 스스로 평가하기도 했습니다. 배포 전까지는 모두 가설에 불과하고, 의사가 실제로 유용하다고 느끼는지 아닌지 알 수 없기 때문입니다.
우리를 크게 고무시킨 것은, 대부분의 모델이 실제 사용 과정에서 가치를 확인했다는 점입니다. 또 처음에 우리가 생각지도 못했던 기능도 있었습니다. 임상 전문가들은 매우 창의적이어서, A라는 기능을 만들면 자신이 B 기능에서 겪는 고충을 연상하며 A로 그것도 할 수 있느냐고 물어봅니다. 그리고 실제로 전환이 가능하다는 것을 발견했습니다. 많은 도구가 바로 이런 식으로 임상 전문가와 함께 의사에게 유용한 형태로 진화해 왔습니다.
레이펑왕(雷峰网) 오리지널 기사이며, 허가 없이 전재를 금지합니다. 자세한 내용은전재须知(전재 안내)를 참조하십시오.。