제이엘케이, 의료영상 특화 멀티모달 LLM 플랫폼 개발…AI 구조적 한계 돌파

[이데일리 김승권 기자] 뇌졸중 환자의 CT 한 건을 범용 대형언어모델(LLM)에 넣으면 최대 87만 6,160개의 토큰이 소모된다. 비용으로 환산하면 진단 한 건에 수십 달러가 드는 구조다. 국내 의료 AI 기업 제이엘케이(322510)는 이 문제를 정면으로 겨냥한 의료영상 특화 멀티모달 LLM 플랫폼 ‘JOOMED’를 선보였다. 같은 영상을 단 4,500개의 토큰으로 처리한다는 것이 회사의 의견이다.

OECD에 따르면 국내 연간 CT 촬영 건수는 1,474만 건에 달한다. 1건당 촬영 결과로 발생하는 슬라이스 수는 117장에서 최대 640장. 여기에 이미지 1장당 평균 1,369개의 입력 토큰이 소요된다. 이런 과정에서 '구조적인 비용 부담'이 있다. 하지만 비용만이 문제가 아니다. 범용 LLM은 수백 장의 슬라이스를 하나의 3D 실체로 재구성하는 과정에서 본질적인 한계를 드러낸다.



실제 사례를 보면 그 심각성이 분명해진다. 지름 1.62mm에 불과한 뇌동맥류를 범용 LLM이 '사소한 오류'로 간주하고 무시한 사례가 보고됐다. 또 병변의 좌우 위치(Spatial Info)를 혼동해 "left MCA territory"라고 잘못 출력한 사례도 있었다. 오류를 99%의 확신(Confidence)으로 전달하는 것이 더 위험하다고 JOOMED 개발팀은 강조한다.

JOOMED는 JLK의 자체 엔진인 `JLK-Engine`으로 의료영상의 핵심 정보를 압축한다. 뇌관류 CT 기준 876,160토큰을 4,500토큰으로 줄이는 것이 핵심 경쟁력이다. 단순 압축이 아니라 의료 영상과 의학 지식이 연계된 프리필(pre-fill) 학습을 통해 임상적 정밀도를 유지하면서 비용을 낮췄다고 회사 측은 설명한다.

지식의 깊이도 차별화 포인트다. JOOMED는 PubMed의 4,000만 편 이상 국제 의학 전문 논문, AHA/ASA 최신 가이드라인, 대한뇌졸중학회·일본뇌졸중학회 등 각국 진료지침을 RAG(검색증강생성) 방식으로 연결한다. 개별 의사의 경험에만 의존하던 기존 방식과 달리, 최신 근거 기반의 통합된 답변을 제공한다는 것이다.

플랫폼 운영 측면에서도 유연성을 강조했다. PACS, EMR, 판독문 등 기존 병원 인프라와 연동되며 클라우드와 온프레미스 환경 모두 지원한다. 기존 뷰어에서 결과를 즉시 확인하는 것도 가능하다. 축적된 환자 데이터를 바탕으로 유사 사례를 검색해 예후 연구에 활용할 수 있는 기능도 탑재했다.

제이엘케이 측은 "이번 JOOMED는 기존 개별 AI 솔루션의 결과물을 LLM 플랫폼 위에서 통합적으로 활용하는 방향으로 사업을 확장하는 전략"이라며 "단순한 진단 보조를 넘어, 병원 데이터 자산화와 연구 플랫폼으로의 도약"이라고 강조했다.