OUR STORY (BLOG)

최근 범용 프론티어 모델과 의료 특화 모델의 벤치마크 성능 비교가 활발합니다. 의료 데이터로 파인튜닝한 도메인 모델보다 범용 모델이 일부 의료 벤치마크에서 더 높은 점수를 기록하기도 하였습니다. 그러나 임상 관점에서 중요한 질문은 따로 있습니다. 벤치마크 점수가 높은 모델이 실제 임상에서 중요한 판단도 안정적으로 수행하는가. 의료 지식 문제의 정답률과 임상 의사결정 지원 능력은 같은 개념이 아닙니다. 모델이 질환명이나 치료 원칙을 알고 있는 것과, 복잡한 환자 상황에서 정보의 우선순위를 정하고 위험을 조정하는 것은 서로 다른 능력이라고 볼 수 있습니다. 서로 충돌하는 검사 결과와 임상 신호를 함께 해석 약물–질환 및 약물–약물 상호작용을 연결 현재 상태뿐 아니라 이후 필요한 인력과 치료 자원을 예상 적극적인 개입보다 개입을 유보하는 것이 안전한 상황을 구분 객관식 의료 벤치마크는 이러한 과정을 충분히 평가하기 어렵습니다. 개방형 응답을 평가하는 루

최근 의료 ai 분야에서는 단순 질의응답을 넘어, 임상 연구 과정 자체를 지원하려는 시도가 등장하고 있습니다. 그 중 하나가 중국 푸단대병원과 옥스퍼드 등이 함께 발표한 논문 “MedGenesis: Toward a World Model for Autonomous Clinical and Translational Research”는 의료 AI가 단순 답변 생성을 넘어, 임상 연구 과정 자체를 지원할 수 있는 가능성을 다룹니다. 사례 1. 논문 2,420편을 192분 만에 분석하다 연구자들은 MedGenesis에게 하나의 질문을 제시했습니다. 신장 기능이 저하된 암 환자에게도 면역항암제가 효과가 있을까? 이 질문에 답하려면 일반적으로 다음 과정이 필요합니다. 관련 논문 수천 편 검색 제목과 초록 기준 1차 선별 본문 정독 데이터 추출 연구 품질 평가 통계적 통합 분석 MedGenesis는 이 과정을 자동화된 워크플로우 안에서 수행했습니다. 구체적인 결과

AI가 의사 국가고시를 만점으로 통과했다는 이야기는 더 이상 새로운 소식이 아닙니다. USMLE(United States Medical Licensing Examination) 에서는 이미 최고 수준의 성과가 보고되었고, 춘옥컴퍼니가 개발한 VetJarvis 역시 스마트폰에서 구동되는 4B 규모의 온디바이스 모델임에도 일본 수의사 국가고시 합격선을 넘어섰습니다. 이제 모델이 시험 문제를 푸는 능력 자체는 상당한 수준에 도달했습니다. 그렇다면 진료의 미래도 이미 결정된 것일까요? 최근 발표된 두 편의 연구를 읽으며 오히려 반대의 생각을 하게 되었습니다. 시험을 잘 보는 것과 진료를 잘하는 것은 생각보다 훨씬 다른 문제였습니다. 시험을 잘 본 AI가 좋은 수의 AI인 것은 아닙니다 NYU 연구팀은 흥미로운 비교 실험을 수행했습니다. GPT-5, Gemini 3 Pro, Claude Sonnet 4.5와 같은 범용 대규모 언어모델과 OpenEvidenc

의료 AI 에이전트는 단순한 LLM 애플리케이션이 아니다. 《The Landscape of Medical Agents》 논문을 기반으로, 의료 AI 에이전트의 정의·워크플로우 통합·종단 메모리·Clinical Decision Support System(CDSS)의 미래를 이야기한다.

Safety and Accuracy Follow Different Scaling Laws in Clinical Large Language Models 리뷰 의료AI와 임상 의사결정 지원 시스템(CDSS)에서 대형언어모델(LLM)을 활용하려는 시도는 확산되고 있습니다. 우리는 흔희 “더 큰 모델, 더 긴 컨텍스트, 더 정교한 retrieval, 더 많은 inference-time compute”를 AI 정확성을 높이고 안정성을 향상시키는 방법으로 가정합니다. 그러나 평균 정확도가 높아진다고 해서 임상적으로 안전한 모델인가? 최근 공개된 Preprint 논문⌈Safety and accuracy follow different scaling laws in clinical large language models⌋은 이 질문을 정면으로 다루고 있습니다. 임상 LLM에서 정확도와 안정성은 같은 방향으로 움직일 수는 있지만, 동일한 지표는 아닙니다. 특히 의료