알리바바, 복부 CT로 150가지 질환 찾는 의료 AI '다모 레이더' 오픈소스 공개

알리바바그룹의 연구 조직인 다모 아카데미가 복부 CT 영상을 판독해 약 150가지 질환을 가려내는 의료 AI 모델을 오픈소스로 풀었다. 이름은 '다모 레이더(Damo Radar)'로, 영상과 텍스트를 함께 다루는 비전-언어 모델 계열이다. 조영제를 투여한 뒤 촬영한 CT 스캔을 입력받아 18개 복부 장기에서 나타나는 이상 소견을 짚어내는 것이 목표다.

학습 방식이 눈에 띈다. 모델은 CT 영상과 그에 대응하는 임상 리포트를 짝지어 학습했다. 즉 영상만 던져주고 라벨을 맞히게 하는 대신, 실제 판독문이 담고 있는 서술을 함께 익히게 한 구조다. 연구팀은 이 방식이 다른 종류의 의료 영상으로도 확장될 수 있다고 본다.

성능 지표도 함께 공개됐다. 실제 임상 검사 약 4만 건을 대상으로 146개 임상 소견에 대해 평균 AUC 0.913을 기록했다. AUC는 1.0에 가까울수록 판별 성능이 완벽하다는 뜻이며, 0.913은 상당히 높은 축에 속한다. 악성 종양을 포함한 다양한 질환과 이상 소견이 평가 대상에 들어갔다. 이 결과를 담은 연구는 Science에 실렸고, 해당 연구에서는 이 모델이 대다수 영상의학과 전문의보다 나은 성적을 냈다는 평가도 제시됐다.

배경을 보면 의료 영상 AI는 오랫동안 특정 장기, 특정 질환에 특화된 좁은 모델이 주류였다. 폐 결절 하나, 유방 촬영 하나를 겨냥하는 식이다. 다모 레이더는 반대로 하나의 모델이 여러 장기와 여러 질환을 동시에 다루는 범용 판독기를 지향한다. 연구팀은 이를 두고 세계 최초의 전문가 수준 범용 의료 영상 모델이라고 자평했다. 다모 아카데미가 의료 AI에 꾸준히 투자해온 흐름의 연장선이기도 하다.

개발자 입장에서 가장 먼저 확인할 것은 공개 범위다. 모델 가중치까지 풀렸는지, 추론 코드와 전처리 파이프라인만 공개된 것인지에 따라 활용 난이도가 크게 갈린다. 라이선스가 상업적 사용을 허용하는지, 의료기기 규제와 충돌하지 않는지도 따져야 한다.

실무적으로는 입력 규격과 자원 요구량을 봐야 한다. CT는 DICOM이라는 표준 포맷을 쓰고, 슬라이스 두께나 조영제 프로토콜에 따라 데이터 분포가 크게 달라진다. 자체 데이터로 파인튜닝하려는 팀이라면 전처리 코드가 어떤 정규화를 가정하는지, GPU 메모리가 얼마나 필요한지, 배치 추론이 가능한지를 먼저 벤치마크하는 편이 좋다.

평균 AUC 0.913은 어디까지나 집계 수치라는 점도 기억해야 한다. 146개 소견 각각의 성능은 다를 수 있고, 드물게 나타나는 소견에서 성능이 떨어질 가능성도 있다. 소견별 세부 지표와 신뢰구간을 확인하지 않으면 실제 적용 가능성을 가늠하기 어렵다.

한계도 분명하다. 다른 영상 모달리티로의 확장은 아직 제안 단계이며 별도 검증이 필요하다. AUC가 높다는 사실이 실제 진료 워크플로우에서 환자 결과를 개선한다는 뜻은 아니다. 임상 도입에는 별도의 규제 승인과 전향적 검증이 따라붙는다. '전문가 수준 범용 모델'이라는 표현 역시 연구팀의 자체 평가라는 점을 감안해 읽을 필요가 있다.