본문으로 건너뛰기
피드

국내 근골격계 엑스레이 AI, 베트남 병원에서 임상 검증 나선다

ai-ml 약 5분

근골격계 AI 기업 워크원오원이 베트남 페니카 대학병원, 푹람 종합병원과 협력하며 동남아 의료 AI 시장 진출을 본격화하고 있어. 핵심은 20개 이상 신체 부위를 단일 모델로 판독하는 엑스레이 AI 솔루션이 현지 병원 환경에서도 실제 임상적 유용성을 갖는지 검증하는 거야.

  • 1

    워크원오원은 베트남 주요 병원들과 MOU를 맺고 페니카 대학병원과는 1년 공동연구를 진행함

  • 2

    근골격계 질환 환자는 전 세계 약 17억 명으로 언급됨

  • 3

    영상의학과 전문의 부족과 의료 인프라 격차가 동남아 의료 AI 수요를 키우고 있음

  • 4

    GMSM은 무릎, 척추, 손목, 발목 등 20개 이상 부위를 단일 모델로 통합 판독함

  • 5

    PACS 연동, 온프레미스, SaaS를 함께 제공해 병원 환경에 맞추려는 전략임

  • 국내 근골격계 AI 기업 워크원오원이 베트남 의료기관과 손잡고 동남아 시장 진출에 속도를 내고 있음

    • 베트남 페니카 대학병원, 푹람 종합병원과 업무협약을 맺었음
    • 페니카 대학병원과는 연구협력협약까지 체결해 향후 1년간 공동연구를 진행할 계획임
    • 베트남 108 군병원과의 공동연구도 언급되며 현지 레퍼런스 확보를 노리는 흐름임
  • 이번 협력의 핵심은 ‘한국에서 만든 엑스레이 AI가 베트남 병원에서도 실제로 쓸 만한가’를 검증하는 것임

    • 워크원오원의 근골격계 엑스레이 AI 솔루션이 현지 의료 환경에서 임상적 유용성을 갖췄는지가 관건임
    • 단순 수출 계약보다 병원 레퍼런스와 공동연구를 먼저 쌓으려는 접근에 가까움
  • 베트남을 포함한 동남아에서는 의료 AI 수요가 커지는 중임

    • 세계보건기구 기준 전 세계 근골격계 질환 환자는 약 17억 명으로 언급됨
    • 인구 고령화가 진행되면서 근골격계 진단 수요도 같이 늘고 있음
    • 반면 영상의학과 전문의 부족과 의료 인프라 격차가 계속 문제로 꼽힘

ℹ️참고

> 의료 AI가 동남아에서 주목받는 이유는 멋진 기술이라서만은 아님. 의사는 부족하고 판독 수요는 늘어나는 상황에서, 병원이 당장 체감할 수 있는 병목을 줄여야 하기 때문임.

  • 워크원오원이 내세우는 기술 포인트는 범용 근골격계 모델인 GMSM임

    • 무릎, 척추, 손목, 발목 등 20개 이상의 다양한 부위를 단일 모델로 통합 판독할 수 있다고 설명됨
    • 부위별로 모델을 따로 쓰는 방식보다 병원 운영과 배포 측면에서 부담을 낮출 수 있음
  • 배포 방식도 병원 현실을 꽤 의식한 구성임

    • 병원 내부 폐쇄망에 직접 설치하는 온프레미스 방식을 지원함
    • 동시에 클라우드 기반 서비스인 SaaS도 제공해 병원 정보통신 환경에 맞추려는 전략임
    • 의료 데이터와 병원망 특성상 한 가지 배포 방식만 고집하면 도입 장벽이 커질 수 있음
  • 의료진 워크플로에 붙이는 방식도 중요하게 다뤄짐

    • 인피니트헬스케어와의 API 연동으로 기존 PACS 환경 안에서 실시간 AI 분석 리포트를 활용할 수 있게 했다고 함
    • 별도 프로그램을 켜지 않아도 된다는 건 실제 병원 도입에서 꽤 큰 장점임
    • 의료 AI는 판독 정확도만큼이나 의사가 매일 쓰는 화면에 얼마나 자연스럽게 들어가느냐가 중요함
  • 워크원오원은 하반기부터 현지 마케팅도 본격화할 계획임

    • 8월 다낭 영상의학과 학회와 9월 호치민 의료기기 전시회에 참가할 예정임
    • 현지 전문의, 병원 관계자, 의료기기 유통사, 파트너 네트워크를 넓혀 사업 기회를 찾겠다는 구상임

기술 맥락

  • 의료 AI 해외 진출에서 제일 먼저 봐야 하는 건 모델 정확도만이 아니에요. 현지 병원에서 어떤 장비를 쓰는지, 네트워크가 어떤지, 의사가 어떤 화면에서 판독하는지를 맞춰야 실제 사용으로 이어지거든요.

  • 그래서 PACS 연동이 중요해요. 의료진이 이미 쓰는 영상 판독 흐름 안에 AI 리포트가 들어오면 새 도구를 배우는 부담이 줄고, 병원도 도입 효과를 더 빨리 확인할 수 있어요.

  • 온프레미스와 SaaS를 같이 가져가는 것도 현실적인 선택이에요. 의료 데이터는 외부 전송에 민감한 병원이 많지만, 어떤 병원은 클라우드 기반으로 빠르게 시작하는 걸 선호할 수 있어서 배포 옵션이 넓을수록 영업 가능성이 커져요.

  • GMSM처럼 여러 부위를 단일 모델로 처리하려는 이유는 운영 복잡도를 줄이기 위해서예요. 병원이 무릎용, 척추용, 손목용 모델을 따로 관리해야 하면 도입 이후 유지보수와 교육 부담이 커질 수밖에 없어요.

의료 AI 해외 진출에서 중요한 건 ‘모델 성능 좋음’보다 현지 병원 워크플로에 얼마나 자연스럽게 들어가느냐야. PACS 연동과 온프레미스 지원을 전면에 둔 건 꽤 현실적인 접근임.

댓글

댓글

댓글을 불러오는 중...

ai-ml

제미나이 도구 호출 능력을 2,600만 파라미터 모델로 증류한 니들 공개

Cactus Compute가 Gemini 3.1의 도구 호출 능력을 2,600만 파라미터짜리 초소형 모델 Needle로 증류해 공개했다. 맥이나 PC에서 로컬 파인튜닝까지 가능하고, 프로덕션 환경에서는 프리필 6,000 토큰/초, 디코드 1,200 토큰/초를 낸다고 주장한다. 개인용 AI 기기에서 함수 호출만 빠르게 처리하는 작은 모델 실험으로 보면 꽤 흥미로운 공개다.

ai-ml

딥시크 V4 인덱서, 6기가바이트 메모리로 백만 토큰까지 밀어붙인 논문

딥시크 V3.2와 V4의 압축 희소 어텐션에서 병목이 되는 인덱서 단계를 스트리밍 방식으로 바꿔, 기존 구현이 6만5536 토큰에서 메모리 부족으로 죽던 문제를 104만8576 토큰까지 확장했다. 핵심은 전체 점수 텐서를 만들지 않고 청크 단위로 top-k를 나눠 계산한 뒤 병합하는 방식이며, 단일 엔비디아 H200에서 피크 메모리 6.21기가바이트를 기록했다. 다만 논문은 인덱서 단계만 다루며, 실제 체크포인트 기반 종단간 성능이나 더 빠른 어텐션 커널을 주장하진 않는다.

ai-ml

챗지피티가 학습에 좋다던 유명 논문, 결국 철회됨

챗지피티가 학생 학습 성과에 큰 도움이 된다고 주장했던 논문이 출판 약 1년 만에 철회됐어. 스프링거 네이처는 분석의 불일치와 결론 신뢰 부족을 이유로 들었고, 문제의 논문은 이미 500회 넘게 인용된 뒤였어.

ai-ml

샘 올트먼, 법정에서 “머스크가 오픈AI 지배권을 자녀에게 넘기려 했다”고 증언

샘 올트먼이 캘리포니아 오클랜드 연방법원 배심원 앞에서 일론 머스크가 오픈AI의 장기 지배권을 원했고, 사망 후엔 자녀에게 넘기는 방안까지 언급했다고 증언했다. 머스크는 오픈AI가 비영리로 출발했는데도 영리화됐다고 소송을 제기했지만, 올트먼은 오히려 머스크가 영리 전환과 테슬라 편입을 밀었다는 취지로 반박했다.

ai-ml

혜전대, AI로 스마트팜 생산·가공·유통 교육 모델 만든다

혜전대가 2026년 교육부·한국연구재단의 AID 전환 중점 전문대학 지원사업에 충남 지역 연합형 사업단으로 선정됐다. 연암대와 역할을 나눠 스마트팜 생산부터 가공·유통까지 전주기를 디지털화하는 교육 모델을 만들겠다는 내용이다.