한국산 의료 AI, 클로드 3.5를 눌렀다 — Apache 2.0 오픈소스에 머크 글로벌 진출까지

루닛 의과학 모델

• 160억 파라미터(16B) 규모의 의과학 특화 파운데이션 모델을 혼합전문가(MOE) 아키텍처로 독자 개발함
  • 처음부터(From Scratch) 개발, TTA(한국정보통신기술협회) 검증 완료
  • 클로드 3.5 소네트(100B~1T급) 등 초대형 범용 모델 대비 의학 분야에서 우수한 성능 확인됨
    • 의학논문 기반 질의응답 정확도
    • 출처·근거 일치성
    • 과학 코드 작성·분석 평가
• 임상 의사결정 지원 에이전트 시스템(CDSS) 구축 완료
  • 국민건강보험공단 일산병원에서 실제 의료 데이터 환경 적용 (2~3월)
  • 응급실 5단계 환자 분류에서 높은 정확도 달성
  • 진단명 일치율 94.0% 기록

KAIST K-Fold

• 2B급 바이오 파운데이션 모델 K-폴드(K-Fold) 개발
  • 단백질 복합체 3차원 구조 예측 정확도: 알파폴드3(AlphaFold3)에 근접
  • 예측 속도: 알파폴드3 대비 최대 30배 이상 빠름 (약 30분 → 평균 1분 이내)
• 기존 방식과의 차별점
  • 물리·화학적 상호작용 기반 구조 예측 방식 적용 (최종 구조만 예측하는 것이 아님)
  • 데이터가 희소한 신규 약물 복합체에서도 예측 정확도 향상됨
• 역시 From Scratch 독자 개발, TTA 검증 완료

2단계 로드맵

• 루닛 컨소시엄
  • 모델 규모: 16B → 32B로 확장
  • 현장 실증: 7~8월, 9개 병원 및 SK바이오팜 등에서 진행 예정
• KAIST 컨소시엄
  • 모델 규모: 2B → 7B로 확장
  • 머크(Merck) AI 신약개발 클라우드 서비스에 탑재 → 글로벌 시장 진출
• 인프라: 컨소시엄별 NVIDIA B200 GPU 256장 지원 (9월 초까지)
• 과기정통부: 산업적 활용 잠재력이 실제 사업화로 이어질 수 있도록 정책적 지원 지속 예정

---

이 기사에서 눈여겨볼 포인트가 몇 가지 있어요.

먼저 MOE(Mixture of Experts) 아키텍처인데요, 16B 파라미터 전체를 매번 쓰는 게 아니라 입력에 따라 전문가 네트워크를 선택적으로 활성화하는 방식이거든요. 의료처럼 도메인이 뚜렷한 분야에서는 파라미터를 효율적으로 쓸 수 있어서, 훨씬 큰 범용 모델(클로드 3.5 소네트 등)을 특정 벤치마크에서 이길 수 있는 거예요.

그리고 From Scratch 개발이 중요한 이유가 있어요. 기존 오픈소스 모델을 파인튜닝하면 원본 라이선스에 종속되고, 핵심 기술의 IP 확보가 어렵거든요. 처음부터 만들었다는 건 기술 주권 측면에서 의미가 크고, Apache 2.0으로 공개한다는 건 상업적 활용까지 열어둔 거예요.

K-Fold의 물리·화학 기반 접근도 주목할 만해요. 알파폴드3 같은 모델은 방대한 구조 데이터로 학습하는 데이터 드리븐 방식인데, K-Fold는 분자 간 상호작용의 물리법칙을 모델링하는 거라 학습 데이터가 부족한 신규 약물에서도 강점이 있는 거예요.

마지막으로 머크 플랫폼 탑재는 한국 AI 모델이 글로벌 제약 생태계에 '수출품'으로 들어가는 첫 사례가 될 수 있어서, 단순 기술 성과를 넘어 산업적 전환점이 될 수 있어요.