제이엘케이, 의료영상 특화 LLM 플랫폼 ‘JOOMED’ 공개…“범용 AI 한계 넘는다”

[한국금융신문 양현우 기자] 제이엘케이가 의료영상에 특화된 멀티모달 LLM 플랫폼 ‘JOOMED(주메드)’를 통해 글로벌 의료 AI 시장 공략에 속도를 낸다. 범용 대규모언어모델(LLM)이 가진 한계점을 넘어 의료영상과 병원 내부 데이터를 하나로 통합해 범용 AI 한계를 넘는다는 전략이다.

11일 관련 업계에 따르면 제이엘케이가 독자 개발한 JOOMED는 CT와 MRI 등 복잡한 3차원 의료영상을 표준화·익명화하고, 이를 병원 내부의 임상 정보(EMR), 영상 정보(PACS), 글로벌 의학 지식과 결합하는 파운데이션 모델이다. 기존 챗GPT나 제미나이 등 범용 AI가 수만 장의 고해상도 영상을 처리할 때 발생하는 ‘토큰 폭증’ 문제를 해결한 것이 특징이다.

실제로 JOOMED는 전용 분석 엔진을 통해 데이터 내 핵심 정보만 선별해 구조화한다. 이를 통해 약 87만 토큰이 필요한 뇌관류 CT(CTP) 영상 데이터를 단 4500 토큰으로 압축해 입력 비용과 연산 부담을 줄이면서도 정확한 분석을 수행한다. 이는 범용 LLM이 의료 현장에서 비용과 효율성 문제로 도입이 지연되는 지점을 공략한 것으로 풀이된다.

JOOMED는 단순한 텍스트 분석을 넘어 해부학적 위치, 촬영 시퀀스, 병원별 프로토콜 등 의료영상의 복합적 맥락을 이해한다. 의료영상은 일반 이미지와 달리 해부학적 위치와 좌우 방향 등 복합 요소를 고려해야 한다. 이에 JOOMED는 의료영상 AI가 도출한 객관적 분석 결과를 기반으로 임상 정보, 최신 의학 문헌, 진료 가이드라인, 병원 내부 데이터를 함께 연결함으로써 연구 워크플로우를 지원한다.

또한 JOOMED는 범용 LLM이 가진 데이터 접근성 한계를 개선했다. 의료 영상 데이터는 대표적인 개인 정보로 일반 인터넷 데이터처럼 대규모로 수집하거나 학습하기 어렵다. 이에 JOOMED는 병원 내부 데이터의 본질 문제를 해결하는 것을 목표로 했다. PACS, 영상, EMR 저형 데이터, 판독문 비정형 텍스트를 하나의 멀티모달 의료 AI 구조 안에서 통합했다.

JOOMED의 차별점은 단순 키워드 검색이 아니라 영상 소견과 임상 정보, 예후 등을 종합적으로 고려해 유사도를 계산한다는 것이다. 근거 중심의 새로운 임상 방향성을 제시할 수 있다는 것이 특징이다.

JOOMED 개발을 총괄한 이명재 제이엘케이 부사장은 "분리되어 있던 병원 시스템을 하나로 통합해 종합적인 인사이트를 제공하는 혁신적 플랫폼"이라며 "독자적 기술력을 바탕으로 전 세계 의료진에게 새로운 통합 AI 경험을 제공하고 글로벌 빅 파트너들과의 협력 기회를 확대해 나갈 것"이라고 강조했다.

양현우 한국금융신문 기자 yhw@fntimes.com