AI 기반 혈액 및 암 진단 전문기업 노을주식회사(대표 임찬양, 이하 노을)은 세계 최고 권위 의료영상 국제학술대회 ‘MICCAI 2025(International Conference on Medical Image Computing and Computer-Assisted Intervention, 이하 MICCAI)’에서 자사 온디바이스 AI 기반 현장 진단 플랫폼 ‘마이랩(miLab™)’을 활용한 최신 연구 성과를 발표했다.

올해로 28회째를 맞은 MICCAI는 의료영상 분석 분야에서 세계적 권위를 가진 대형 국제 학술대회로 지난 23일부터 27일까지 대전 컨벤션센터에서 성황리에 마무리됐다.

노을은 MICCAI 2025에서 기존 혈액 및 암 병리 진단 분야의 문제로 손꼽혀왔던 학습용 데이터 부족과 데이터 불균형으로 인한 진단 품질 저하 등을 극복할 수 있는 혁신적인 AI 기술을 공개했다. 이번 워크숍 세션에서 ▲온디바이스에 최적화된 단계별 심층학습(Cascaded Deep Learning)을 통한 민감도와 효율성 개선에 대한 연구 초록 ▲생성형 모델의 데이터 증강을 활용한 감염 적혈구의 검출 성능 향상에 대한 연구 논문을 발표했다. 이 AI 모델을 노을의 마이랩에 적용 시 기존 방식보다 더욱 정확하고 효율적인 의료 진단이 가능하며 말라리아뿐 아니라 다른 감염병과 세포 병리 진단 분야까지 확장할 수 있는 높은 활용성과 범용성을 보여준다고 회사 측은 설명했다.

노을 임찬양 대표는 “노을 마이랩은 엔비디아의 젯슨 보드를 탑재해 AI 추론 성능은 물론 처리량과 속도를 크게 향상시킨 온디바이스 AI 통합 진단 플랫폼이다. 이번 연구를 통해 노을의 메디컬 이미징 및 AI 기술이 저자원, 고자원 임상 환경 모두에서 기존 진단법보다 우월한 성능이 확인됐다”며 “혈액 및 암 병리 진단 분야에서 높은 활용성과 범용성을 갖춘 기술의 개발 및 고도화에 지속적으로 투자해 나갈 것”이라고 밝혔다.

첫 번째로 노을은 온디바이스 엣지 장치에 최적화된 경량 합성곱 신경망(CNN)과 소형 비전 트랜스포머(TinyViT)를 단계적으로 결합하는 ‘계단식 분류 모델 배치(Cascaded Classification Framework)’를 통해 마이랩 말라리아 진단에서 민감도와 효율성을 높인 결과를 공개했다.

특히 기존 수동 현미경 진단의 박층 도말 검사에서 흔히 발생하는 슬라이드 특유의 변동성과 데이터 불균형 문제를 극복하기 위해 노을만의 AI 모델로 자동화 디지털 현미경을 통해 얻은 다초점 세포 이미지를 함께 분석하는 방식을 도입했다. 이를 통해 흐릿하거나 모호한 세포까지 더 정확하게 판별할 수 있었으며 임상 적용 시 진단 성능이 한층 향상된 것으로 확인됐다. 실제 아프리카 말라위와 에티오피아의 임상 혈액 샘플을 활용한 평가에서 민감도 98%, 특이도 99.3%를 기록해 수동 현미경 판독 대비 민감도가 약 11%p 높아진 수치를 보였다. 감염 밀도가 낮은 사례도 신뢰성 있게 검출하여 전문가가 재검토해야 하는 분량을 줄임으로써 진단 과정상 효율성도 향상시켰다.

두 번째로 말라리아 감염 적혈구 검출 정확도를 높이기 위해 ‘생성형 데이터 증강(Generative Augmentation)’ 기술을 활용한 접근법을 제안했다. 생성적 적대 신경망(GAN) 등 다양한 AI 기법을 조합해 실제 현미경 이미지와 유사한 고품질 합성 이미지를 대량으로 만들어 말라리아 진단을 위한 학습 데이터셋을 확장하고 AI 학습 기술을 고도화했다. 특히 실제 임상 환경에서 확보하기 어려운 생식모세포(Gametocyte) 적혈구 이미지 학습에서 큰 효과를 보여 기존 증강 방식 대비 검출률이 유의미하게 개선된 것으로 나타났다.

회사 관측은 “ 이번 연구 성과는 말라리아에 국한되지 않고 데이터 샘플 부족이나 희귀한 형태학적 변이가 문제되는 암, 결핵, 희귀혈액 질환 등의 분석 과제에도 적용 가능한 기술적 기반을 마련했다는 점에서 의미가 크다”고 밝혔다. 

한편 노을은 기술 진입 장벽이 높은 혈액 및 암 병리 진단 분야에서 기존 현미경 진단 한계를 극복한 온디바이스 AI 기반 혈액·암 진단 플랫폼 ‘마이랩(miLab™)’을 상용화했다. 자체 개발한 AI 엔진에 고체염색 기술을 기반으로 한 플랫폼 기술을 적용해 검체 전처리부터 이미징·분석까지 진단 전 과정을 자동화했으며, 카트리지 내 염색 시약 변경만으로 다양한 진단 영역으로 확장이 가능하다.