LG AI연구원이 지난해 말 공개한 병리·유전자 분석 인공지능(AI) 모델 ‘엑사원 패스 2.5’가 글로벌 최신 AI 모델들과의 성능 비교에서 가장 우수한 성적을 거둔 것으로 나타났다. 

암의 진행 과정을 단순히 현미경 사진(이미지)으로만 보는 것을 넘어, 유전자 정보까지 결합해 분석하는 독창적인 기술력이 입증된 결과다.

11일 공개된 논문에 따르면 LG AI연구원이 진행한 질병·유전자 분석 AI 모델 연구에서 ‘엑사원 패스 2.5’가 글로벌 성능 평가 주요 병리 AI 모델 중 가장 높은 정확도를 기록해 기술력을 입증했다.

비교 대상에는 ▲미국 하버드 의대 마흐무드 교수 연구팀의 ‘타이탄(TITAN)’과 ‘유니2-h(UNI2-h)’ ▲마이크로소프트(MS)의 ‘기가패스(Prov-GigaPath)’ ▲프랑스 AI 기업 바이오옵티머스의 ‘H-옵티머스-제로(H-optimus-0)’ 등 쟁쟁한 경쟁자들이 포함됐다.

성능 평가 지표인 AUROC(높을수록 AI의 진단 및 예측 능력이 우수함) 점수를 종합한 결과, LG 엑사원 패스 2.5가 평균 0.7675(약 76.75%)를 기록하며 1위를 차지했다.

이어 하버드 의대 유니2-h가 76.16%, 바이오옵티머스 H-옵티머스-제로가 75.78%, 하버드 의대 타이탄이 73.20%, 마이크로소프트 기가패스가 71.43% 순으로 집계됐다. 

특히 엑사원 패스 2.5는 폐암(LUAD) 및 대장암(CRC) 관련 내부 임상 데이터 테스트에서 모든 경쟁 모델을 제치고 가장 높은 정확도를 기록하며 실제 의료 현장에서의 활용 가능성을 높였다.

 ‘이미지’ 정보에 생물학적 데이터 동시 학습

핵심 기술은 ‘멀티 오믹스(Multi-Omics) 정렬’로, 유전체학·전사체학·후성유전학 및 단백질체학의 데이터를 결합함으로써 병의 원인이 되는 분자 변화를 보다 포괄적으로 이해하는 것이다.

기존의 병리 AI 모델들은 주로 ‘전체 슬라이드 이미지(WSI)’라고 불리는 고해상도 조직 사진을 분석해 암세포의 모양이나 패턴을 찾는 데 주력했다.

하지만 암은 겉모습(표현형)만으로는 설명이 어려운 복잡한 유전적 변이에 의해 발생, 진행된다.

LG 연구팀은 이 점에 주목해 이미지 정보(WSI)뿐만 아니라 ▲RNA 시퀀싱(유전자 발현) ▲DNA 메틸화(유전자 조절) ▲SNP(단일 염기 다형성) ▲CNV(복제수 변이) 등 5가지 서로 다른 생물학적 데이터(모달리티)를 AI에게 동시에 학습시켰다.

쉽게 비유하면 기존 AI가 환자의 ‘얼굴 사진(조직 이미지)’만 보고 병을 맞추려 했다면, 엑사원 패스 2.5는 얼굴 사진과 함께 환자의 ‘유전자 설계도’까지 동시에 펼쳐 놓고 서로 어떤 연관이 있는지 비교 분석한 셈이다. 

이를 통해 겉으로 드러나지 않는 분자 수준의 암 진행 원리까지 파악할 수 있게 됐다.

체급 낮추고 ‘지능’ 높인 초경량 설계 기술

이번 성과가 더욱 주목받는 이유는 ‘효율성’ 때문이다.

경쟁 모델인 마이크로소프트의 기가패스나 하버드 모델은 수십억 개의 매개변수(파라미터)를 가진 거대 모델이거나, 학습을 위해 10억 장 이상의 이미지를 사용하는 등 막대한 자원을 투입했다.

반면 엑사원 패스 2.5는 ‘도메인 특화 설계’를 통해 훨씬 적은 데이터와 작은 모델 크기로도 이들을 능가하는 성능을 냈다. 연구진은 ‘조각 인식 위치 인코딩(F-RoPE)’이라는 기술을 적용했다.

의료계가 이번 결과에 특히 주목하는 이유는 엑사원 패스의 독보적인 ‘효율성’ 때문이다. 

모델이 가벼워지면 실제 병원 현장에서 활용도가 극대화된다. 병원에서도 고가 슈퍼컴퓨터 없이도 로컬 서버에서 빠르게 구동이 가능해 도입 비용을 획기적으로 낮출 수 있기 때문이다.

LG AI연구원은 이번 엑사원 패스 2.5 개발을 통해 단순한 암 진단을 넘어, 환자 개개인에게 가장 잘 맞는 치료법을 찾는 ‘정밀의료(Precision Oncology)’ 가능성을 열었다.

암 환자마다 유전자 변이 특성이 다르기 때문에 같은 항암제를 써도 효과는 천차만별이다. 

엑사원 패스 2.5는 조직 이미지와 유전자 정보를 통합 분석해 특정 환자가 어떤 항암제에 반응할지, 암이 재발할 확률은 얼마나 되는지 등을 더 정확하게 예측할 수 있다.

LG AI연구원은 논문에서 “생물학적 정보를 통합한 멀티모달 설계가 단순히 데이터 양만 늘린 모델보다 훨씬 강력하다는 것을 증명했다”며 “차세대 정밀 종양학을 위한 AI 기초모델 가능성을 확인했다”고 강조했다.