의료 분야에서 인공지능(AI)과 딥러닝(deep learning)의 활용이 급증하면서 진단, 치료, 행정 시스템의 효율성이 혁신적으로 개선되고 있습니다. 하지만 이러한 빠른 도입은 막대한 컴퓨팅 자원과 에너지 소비, 그리고 전자 폐기물 발생 및 탄소 배출이라는 환경적 대가를 수반합니다. 특히 의료 영상 분류와 같은 특정 작업에 가장 적합한 AI 모델을 선정하는 과정은 연구자들이 시행착오를 통해 최적의 모델을 찾아야 하므로, 불필요한 에너지 소비와 자원 낭비를 야기하는 주요 원인이었습니다.
이러한 문제를 해결하기 위해 'MedicalRec'이라는 새로운 의료 추천 시스템이 개발되었습니다. 이 시스템은 재훈련(retraining) 없이 의료 영상 분류를 위한 최적의 모델을 추천해주는 것을 목표로 합니다. 연구팀은 의료 영상 분류 분야의 3,000개 논문에서 5,000개 이상의 모델 테스트 기록을 담은 'MedicalRec-Bench' 데이터셋을 구축했습니다. 이 데이터셋에는 피부암, 종양, 상처, 유방암, MRI 분류 등 다양한 의료 영상 분류 작업에 사용된 모델 정보가 포함되어 있습니다. MedicalRec은 이 데이터를 기반으로 트랜스포머(transformer) 기반의 추천 모델을 사용하여, 특정 조건에 맞는 최적의 AI 모델을 제안하며, 최대 75.5%의 HitRate@100 성능을 달성했습니다.
MedicalRec의 등장은 의료 AI 개발 및 활용 방식에 중요한 변화를 가져올 것으로 기대됩니다. 기존에는 새로운 의료 영상 분류 과제가 생길 때마다 수많은 모델을 직접 실험하고 재훈련해야 했지만, 이제는 MedicalRec을 통해 효율적으로 최적의 모델을 찾아낼 수 있게 됩니다. 이는 의료 AI 연구 개발에 필요한 시간과 비용을 절감할 뿐만 아니라, 불필요한 컴퓨팅 자원 사용을 줄여 환경 부담을 완화하는 데도 기여할 것입니다. 궁극적으로 의료 AI의 접근성을 높이고, 더 빠르고 정확한 진단 및 치료를 가능하게 하여 환자들에게 더 나은 의료 서비스를 제공하는 데 일조할 것입니다.