[메디칼타임즈=최선 기자] 의료 인공지능 전문기업 제이엘케이(대표이사 김동민, 이하 JLK)는 의료영상 기반 멀티모달 LLM 플랫폼 'JOOMED'를 통해 범용 대규모언어모델(LLM)이 구조적으로 접근하기 어려운 의료영상 및 병원 내부 텍스트 데이터 통합 영역을 본격적으로 공략한다고 밝혔다.

의료영상은 일반적인 텍스트나 단순한 사진과 다르다. CT와 MRI는 수십 장에서 수백 장의 슬라이스로 구성된 복잡한 3차원 공간 데이터이며, T1 T2 FLAIR, DWI, NCCT, CTA, CTP 등 다양한 시퀀스와 촬영 프로토콜에 따라 각기 다른 임상 정보를 담고 있다. 게다가 영상 정보 시스템인 PACS와 임상 정보 시스템 EMR은 분리돼 있어 유기적으로 연동하는 데 한계가 있다.

JOOMED는 CT·MRI와 같은 고차원 의료영상 데이터를 자동화된 식별, 분류를 통해 표준화, 익명화하고, 이를 환자 정보 등 병원 내부 데이터·의학 논문·글로벌 표준 진료 가이드라인(ASA/AHA)과 연결해 자동화된 분석, 유사 사례 검색 및 예후 관련 연구에 활용 가능한 LLM 플랫폼이다.

제이엘케이는 JOOMED의 전략적 포지션을 "범용 LLM이 쉽게 파고들기 어려운 의료영상 데이터 레이어의 선점"으로 정의하고 있다. ChatGPT, Claude, Gemini 등 범용 AI 모델과 직접 경쟁하기보다는, 오히려 범용 LLM이 의료 현장에서 활용되기 위해 반드시 필요한 의료영상 특화 데이터 처리·해석·구조화 인프라 플랫폼에 가깝다는 설명이다.

범용 모델이 의료영상에서 직면하는 첫 번째 한계는 컨텍스트 윈도우와 토큰 비용 폭증(Token Explosion) 문제다. CT·MRI 등 의료 영상은 수십~수백 장의 고해상도 사진으로 구성되며, 이를 그대로 LLM에 입력하면 수백만 토큰 규모의 비용이 발생할 수 있다. 따라서 의료영상 분석은 단순히 컨텍스트 윈도우를 키운다고 해결되기 어렵고, 임상적으로 중요한 슬라이스와 정확한 위치 정보를 식별하기 쉽도록 데이터를 구조화하는 전용 처리 체계가 필요하다.

JOOMED는 이 문제를 의료영상 특화 엔진을 통해 해결하도록 설계됐다. JLK의 의료영상 분석 엔진을 통해 영상 내 핵심 정보를 선별·분석·구조화한 뒤 LLM 입력에 적합한 형태로 변환해 약 87만 토큰이 필요한 뇌관류 CT영상(CTP)의 입력 비용을 4500토큰으로 압축할 수 있다. 이를 통해 토큰 사용량과 연산 부담을 줄이면서도, 의료진과 연구자가 의료영상, 임상 정보, 관련 문헌 및 가이드라인을 함께 검토할 수 있도록 참고자료를 구성하는 데 초점을 맞춘다.

두 번째 한계는 의료영상의 복잡성 문제다. 의료영상은 일반 이미지와 달리 해부학적 위치, 좌우 방향, 슬라이스 간 연속성, 촬영 시퀀스, 병원별 프로토콜 차이 등 복합적 요소를 함께 고려해야 하는 고차원 데이터다. 이러한 영상들은 다양한 가능성과 복잡한 영상 맥락 속에서 검토돼야 하므로, 범용 모델이 작은 차이를 노이즈로 인식하는 등 안정적으로 처리하기 어려운 영역으로 평가된다. JOOMED는 의료영상 AI가 도출한 객관적 분석 결과를 기반으로 임상 정보, 최신 의학 문헌, 진료 가이드라인, 병원 내부 데이터를 함께 연결함으로써 연구 워크플로우를 지원하는 플랫폼 접근법을 취한다.

세 번째 한계는 데이터 접근성 그 자체이다. 범용 LLM은 공개 웹 문서, 논문, 교과서, 가이드라인 등 공개 또는 라이선스 기반 텍스트 데이터에는 접근할 수 있다. 그러나 의료영상 데이터는 대표적인 개인 정보다. 이는 일반 인터넷 데이터처럼 대규모로 수집하거나 학습하기 어려우며, 병원 내부 시스템과 안전하게 연동돼야만 활용할 수 있다. JOOMED는 이러한 병원 내부 데이터의 분절 문제를 해결하는 것을 목표로 한다. 기존 병원 내부 환경에서도 의료영상은 PACS에, 임상 정보와 검사 결과는 EMR에, 판독문과 임상 기록은 별도의 텍스트 데이터로 분리돼 저장된다. JOOMED는 PACS 영상, EMR 정형 데이터, 판독문 비정형 텍스트를 하나의 멀티모달 의료 AI 구조 안에서 통합한다. AI가 영상 시퀀스를 자동으로 분류하고, DICOM 데이터를 표준화·익명화하며, EMR의 임상 정보와 검사 수치, 판독문 텍스트를 함께 연결해 LLM이 분석 가능한 형태로 정렬하는 방식이다.

또한 JOOMED는 의료진을 위한 근거 기반 자료 제공 기능을 강화하고 있다. ASA/AHA 등 글로벌 가이드라인, 주요 학술지의 최신 연구, 대한뇌졸중학회·일본뇌졸중학회 등 각국의 진료지침을 반영할 수 있는 구조를 통해, 의료진 개인의 경험에만 의존하지 않고 최신 의학 근거와 국가별 임상 환경을 함께 고려한 인사이트 도출을 지원한다.

JOOMED의 확장성은 병원 내부 데이터를 활용한 유사 데이터 검색 및 예후 관련 연구에서 더욱 두드러진다. JOOMED는 의료영상과 각종 임상 텍스트 정보가 동기화된 유사 데이터를 검색하고, 관련 정보를 제공하는 기능을 핵심 차별화 요소로 제시한다. 이는 단순 키워드 검색이 아니라 영상 소견, 임상 정보, 치료 경과, 예후 정보 등을 종합적으로 고려해 다차원적인 유사도를 계산하는 방식이다. 즉, 병원의 수십 년간 축적된 의료영상 데이터와 각종 임상 텍스트 정보가 JOOMED에 올라오면, 이를 기반으로 새로운 데이터와 유사한 사례들을 찾고, 기존 사례들을 분석해 근거 기반의 새로운 임상 방향성 연구를 할 수 있다.

제이엘케이 관계자는 "JOOMED는 ChatGPT, Claude, Gemini와 같은 범용 LLM과 경쟁하기 위한 서비스가 아니라, LLM이 의료 현장에서 활용되기 위해 필요한 의료영상 특화 데이터를 기반으로 한 통합 멀티모달 LLM 플랫폼"이라며 "의료영상은 컨텍스트 윈도우를 키우거나 단순히 RAG를 붙인다고 해결되는 영역이 아니라, 영상의 공간적 특성, 임상적 맥락, 관련 근거를 정확히 이해하고 구조화해야 하는 고난도 데이터"라고 설명했다. 고객이 원할 시에는 ChatGPT, Claude, Gemini와 JOOMED를 연동해 활용할 수 있게 커스터마이징도 가능하다.

이어 "특히 병원 내부의 의료영상, 판독문, 치료 결과, 예후 관련 데이터는 외부 범용 모델이 쉽게 접근하기 어려운 프라이빗 데이터 영역일 뿐만 아니라 다양하고 복잡한 알고리즘이 필요한 특수 영역"이라며 "JOOMED는 이러한 병원 데이터를 안전하게 활용해 유사 사례 검색, 치료 경과 비교 등 다양한 연구와 서비스로 확장될 수 있는 차세대 의료 AI 플랫폼으로 발전해 나갈 것"이라고 밝혔다.

JOOMED 개발 총괄 리더인 이명재 부사장은 "JOOMED는 분리돼 있던 병원의 PACS(영상정보시스템)와 EMR(전자의무기록)을 하나로 통합해 종합적인 분석을 제공하는 혁신적 플랫폼"이라며 "독자적인 혁신기술력을 바탕으로 전 세계 의료진에게 통합된 의료 AI 인사이트를 제공하는 것은 물론, 제이엘케이가 글로벌 빅 파트너들과 협력하는 기회의 장이 열릴 것이다"라고 포부를 밝혔다.

한편, 본 발표에서 소개된 JOOMED는 연구 목적의 소프트웨어로 개발된 플랫폼이며, 의료진의 임상 연구 활용을 지원하는 도구다. 최종 분석 결과의 해석은 사용자가 수행하며, 국가별 제품 기능, 출시 일정, 규제 승인 현황은 지역에 따라 달라질 수 있다. 해당 기술 내용과 데모 영상(국문, 영문)은 제이엘케이 홈페이지(공식 블로그)를 통해 공개하고 있다.