하버드대 연구팀, 의료 분야 특화 AI 질의응답 시스템 ‘KGAREVION’ 개발

KNOWLEDGE GRAPH BASED AGENT FOR COMPLEX, KNOWLEDGE-INTENSIVE QA IN MEDICINE

의료 분야의 복잡하고 지식 집약적인 질문에 답변할 수 있는 새로운 인공지능(AI) 시스템이 개발됐다. 하버드대학교 연구팀이 개발한 ‘KGAREVION’은 대규모 언어 모델(LLM)과 지식 그래프(KG)를 결합해 의료 분야의 특수성을 반영한 질의응답 시스템이다. 이 연구는 의료 AI의 새로운 지평을 열었다는 평가를 받고 있다.

의료 분야 특화 AI의 필요성

연구팀은 의생명 분야의 지식이 유난히 복잡하고 구조화되어 있어 물리학이나 화학 같은 다른 과학 분야와는 다른 추론 전략이 필요하다고 설명했다. 의생명 과학자들은 단일한 추론 방식이 아닌 규칙 기반, 원형 기반, 사례 기반 등 다양한 추론 전략을 사용한다. 이에 따라 여러 추론 전략을 수용하면서도 분야 특화 지식을 활용할 수 있는 유연한 접근 방식이 요구된다고 연구팀은 강조했다.

KGAREVION의 작동 방식

KGAREVION의 작동 방식은 기존의 AI 시스템과는 차이가 있다. 질의가 입력되면 우선 LLM의 지식 베이스를 이용해 관련 정보를 트리플렛(주어-관계-목적어) 형태로 생성한다. 이렇게 생성된 트리플렛들은 검증된 지식 그래프와 대조해 오류를 걸러내고, 정확하고 관련성 높은 데이터만 최종 답변에 반영되도록 한다. 이 다단계 프로세스는 기존의 검색 증강 생성(RAG) 기반 모델들과 달리 추론의 견고성을 보장하면서도 의료 추론의 다양한 모델에 적응할 수 있게 해준다.

성능 평가 결과

연구팀은 KGAREVION의 성능을 평가하기 위해 4개의 공인된 의료 질의응답 데이터셋을 사용했다. 그 결과 KGAREVION은 기존 15개 모델보다 정확도를 5.2% 이상 향상시켜 복잡한 의료 질문 처리에 우수한 성능을 보였다. 이는 KGAREVION이 의료 분야의 특수성을 잘 반영하고 있음을 보여주는 결과다.

더 나아가 연구팀은 KGAREVION의 능력을 더욱 심도 있게 테스트하기 위해 의미적 복잡성이 다양한 3개의 새로운 의료 질의응답 데이터셋을 구축했다. 이 평가에서 KGAREVION은 정확도를 10.4% 개선했다. 이는 KGAREVION이 단순한 의료 정보 검색을 넘어 복잡한 의료 지식의 통합과 추론에도 뛰어난 성능을 보인다는 것을 의미한다.

KGAREVION의 핵심 장점

KGAREVION의 핵심 장점 중 하나는 다양한 추론 전략을 유연하게 적용할 수 있다는 점이다. 의료 분야에서는 문제의 성격에 따라 다양한 추론 방식이 요구되는데, KGAREVION은 각 질문의 특성에 맞는 가장 적절한 추론 접근법을 선택할 수 있다. 이러한 유연성은 KGAREVION이 다양한 유형의 의료 질문에 효과적으로 대응할 수 있게 해준다.

또한 KGAREVION은 지식 그래프를 활용해 생성된 정보의 정확성을 검증하는 과정을 거친다. 이는 AI가 생성한 답변의 신뢰성을 높이는 데 중요한 역할을 한다. 의료 분야에서는 정보의 정확성이 무엇보다 중요하기 때문에, 이러한 검증 과정은 KGAREVION의 실용성을 크게 높이는 요소라고 할 수 있다.

연구의 의의와 전망

연구를 주도한 마린카 지트닉 하버드대 교수는 “KGAREVION은 복잡한 의료 질문에 대해 더욱 정확하고 신뢰할 수 있는 답변을 제공할 수 있을 것”이라며 “이는 의료 전문가들의 의사결정을 지원하고 궁극적으로 환자 치료의 질을 향상시키는 데 기여할 수 있을 것”이라고 전망했다.

KGAREVION의 개발은 의료 AI 분야에 중요한 진전을 의미한다. 기존의 AI 시스템들이 의료 분야의 특수성을 충분히 반영하지 못했던 한계를 극복하고, 의료 전문가들의 실제 추론 과정을 모방할 수 있는 시스템을 구현했다는 점에서 큰 의의가 있다. 이는 향후 AI가 의료 현장에서 더욱 유용하게 활용될 수 있는 가능성을 보여준다.

그러나 연구팀은 KGAREVION이 아직 개발 단계에 있으며, 실제 의료 현장에 적용되기 위해서는 더 많은 검증과 개선이 필요하다고 강조했다. 특히 의료 데이터의 프라이버시 문제, AI의 판단 근거에 대한 설명 가능성, 그리고 의료 현장의 복잡한 상황에 대한 대응 능력 등이 추가로 연구되어야 할 과제로 지목됐다.

이 연구 결과는 arXiv에 게재되었으며, 의료 AI 커뮤니티로부터 큰 관심을 받고 있다. KGAREVION은 앞으로 의료 AI 분야의 발전에 중요한 이정표가 될 것으로 기대되며, 이를 기반으로 한 후속 연구들이 활발히 진행될 것으로 전망된다.

결론적으로, KGAREVION의 개발은 AI 기술과 의학 지식의 융합이 가져올 수 있는 혁신적인 가능성을 보여주는 사례라고 할 수 있다. 이는 단순히 기술의 발전을 넘어, 의료 서비스의 질 향상과 환자 치료 결과 개선이라는 궁극적인 목표에 한 걸음 더 다가가는 중요한 진전이라고 평가된다. 앞으로 KGAREVION과 같은 첨단 AI 시스템이 의료 현장에 어떻게 적용되고, 어떤 변화를 가져올지 주목된다.

기사에 인용된 논문은 링크에서 확인할 수 있다.

기사는 클로드 3.5 Sonnet과 챗GPT-4o를 활용해 작성되었습니다.