[인공지능 회사 루닛] - 왜 오르는지 알고 사자

그림 1. 루닛 주가 차트

최근 루닛의 주가를 보면 심상치 않습니다. 챗 GPT를 시작으로 최근 AI 분야에 돈이 몰리기 시작하면서 의료 AI 업계에도 많은 관심이 쏠리고 있는데, 그중 의료 AI 스타트업 선두주자 중 하나인 루닛에 대해 글을 써보려고 합니다. 저는 루닛이라는 회사를 2020년도쯤 취직 준비할 때 처음으로 접했습니다. 당시 저와 비슷하게 인턴을 구하던 친구와 잠깐 이야기할 기회가 생겼었는데 당시 친구는 일해보고 싶은 스타트업이라며 루닛을 소개해 준 적이 있습니다. 당시에는 딥러닝을 암 진단에 적용하는 회사가 있구나 정도만 생각하고 넘어갔었습니다. 그러다 최근 4월 초에 주식 투자자인 사촌형을 만났었는데 루닛이라는 기업에 이야기할 기회가 생겨서 짧게 찾아본 내용을 공유할 겸 글을 써봅니다.

 

본문으로 들어가기 앞서 이 글을 주식 매수/매도 추천 글이 아니라는 점을 말해주고 싶습니다.

 

어떻게 돈을 버는가?

그림 2. 루닛의 주력 사업: 루닛 인사이트와 루닛 스코프

루닛은 크게 암을 진단하는 사업인 루닛 인사이트와 암을 치료를 보조하는 사업인 루닛 스코프를 주력으로 하고 있습니다. 루닛 인사이트는 이미 국내 320개 해외 1700여 개 장비를 납품했고 미래 수요가 꾸준히 늘어날 것으로 예측되고 루닛 스코프는 아직 연구 단계이지만 차후 루닛 인사이트보다 더 커질 것으로 예상되는 사업분야입니다. 이제부터 두 사업 분야에 대해 조금 더 자세하게 설명하도록 하겠습니다.

 

루닛 인사이트는 초기 암중에서도 폐암과 유방암을 진단을 전문으로 하고 있고, 환자들의 오진율을 낮춰주는 기능에 초점을 두고 있습니다. 초기 암은 말기 암과는 다르게 환자가 자각증상이 없을 가능성이 크고 단층촬영에서 발견되더라도 최소 10mm 이상이 되어야 판독이 가능합니다. 다시 말해, 의사들이 찾기 힘들어하는 게 초기 암 진단이고 루닛 인사이트는 이런 초기 암을 객체 탐지 모델(=object detection model)이라는 딥러닝 모델을 이용하여 비즈니스화하였습니다. 루닛에서 사용하는 객체 탐지 모델과 기술적인 이야기는 기회가 되면 논문을 읽어보고 추후 더 자세히 다뤄보려고 합니다. 본론으로 돌아와, 루닛 인사이트 소프트웨어가 들어간 의료 장치에 폐와 유방에 대한 촬영면을 인공지능 모델에 넣어주면 잠재적으로 암이라고 판단되는 부위를 표시해 주고, 의사는 해당 결과를 참고하여 환자의 병을 진단을 하게 됩니다.

그림 3. 루닛 인사이트 사용 예시

루닛 인사이트는 의료용 검진 기기를 병원에 납품하는데 그중에서도 특히 응급실과 중환자실에 자신의 의료 기기를 보급하는 것을 타깃으로 합니다. 그림 3과 같이 루닛 인사이트를 이용해 빠르게 환자들의 암 상태를 파악하고 병의 진행 단계를 기준으로 위급한 환자부터 진료를 받을 수 있게끔 해줍니다.

 

루닛 스코프는 바이오마커 분석을 통한 암치료 설루션입니다. 바이오 마커란 쉽게 말해 어떤 질병에 걸렸을 때 질병의 진행 정도나 특정 약물에 대한 몸의 반응 척도를 제공하는 용도로 사용되고 있습니다. 루닛 스코프는 딥러닝 기술을 이용해 특정 환자에 있는 바이오 마커를 검출하는 기술을 연구 중에 있습니다. 루닛은 PD-L1이라는 암세포 표면에 있는 단백질을 바이오마커로 삼아서 객체 탐지 모델(=object detection model)로 검출하고 의사들이 해당 결과를 참고하여 암 환자의 치료 예측력을 판단하는 보조 수단으로 사용될 수 있음을 입증했습니다. 

그림 4. 루닛 스코프 활용 예시

루닛 스코프를 간단하게 그림으로 표현하자면 그림 3과 같습니다. PD-L1 수치가 1000인 두 환자 A와 B가 있다고 가정해 봅시다. 두 환자들에게 항암제를 개별적으로 투여한 후 루닛 스코프를 이용하여 PD-L1 바이오마커의 수치를 측정합니다. 의사는 루닛 스코프의 분석 결과를 보고 환자 A에게서는 1000에서 400으로 수치가 떨어진 거를 보고 약물 치료가 효과가 있다고 판단하고 그에 비해 수치의 차이가 적은 환자 B에게는 1000에서 960의 수치 변화는 미미하다고 생각하여 다른 치료 방법을 고안해 낼 것입니다. 포괄적인 이해를 돕고자 작성한 예시이지만, 이러한 방식으로 루닛 스코프는 환자들의 암치료를 딥러닝의 방법론으로 해결하고자 합니다.

회사의 강점

그림 5. 루닛 채용 공고 일부 발췌

루닛이라는 회사는 인공지능 연구와 개발을 주력으로 하는 회사이기 때문에 해당 관점에 초점을 두어 루닛의 장점과 비전을 다루어보려고 합니다.

 

그림 5에서 위에서 8번째 항목을 보면 학습 데이터 및 딥러닝 DevOps 시스템 보유라고 적혀 있는 거를 해석하면 자체 데이터를 다루는 기술과 학습하는 딥러닝 모델을 하나의 파이프라인으로 생산할 수 있는 기술력을 갖추고 있습니다. 간단히 말해서 제조업에서 어떤 물건을 자동화시켜서 대량을 만들 수 있는 인프라가 구축되어 있다는 걸 의미합니다.

 

그림 5에서 위에서 여섯 번째 항목 인공지능/의료 세미나 개최에서 보았을 때 모델적이나 데이터적으로 자료 공유하고 개선을 위해 지속적으로 노력 중인 것으로 보입니다. 세미나를 진행하는 게 인공지능 연구에 있어서 서로 정보 공유하고 지금 가진 기술력을 앞으로 발전시키는데 중요한 역할을 합니다. 경험적으로 대학 연구실시절과 회사 연구실에서 동료들끼리 새로 나온 인공지능 논문 세미나를 진행하면서 서로 연구 분야에 대해 공유하고 아이디어를 서비스로 적용한 적이 많습니다. 보통 인공지능 회사들이 세미나를 한다는 내용을 앞세워 홍보하는 경우가 많이 없는데 개인적으로 활발하게 연구에 임하려는 부분이 돋보이는 포인트라고 생각합니다.

 

추가적으로 회사 홈페이지와 유튭 설명란에 보았을 때 데이터 엔지니어들이 암 사진 세그멘테이션(폐 또는 유방 이미지 데이터에서 암의 경계면을 표시해 주는 작업)을 하는 장면과 세미나등 연구하는 장면이 나오는데 데이터를 직접 다루는 장면이 나오는 거로 보아 어느 데이터를 직접 다루면서 일정 수준 이상으로 제품의 정확도를 높이려는 연구를 해온 것으로 보입니다.

 

AI 연구 및 비즈니스 관점에서 비전

개인적 연구 관점에서 보았을 때, 딥러닝 모델을 이용한 암 진단/검진 방법(루닛 인사이트)은 기술적으로 괜찮은 성능을 내며 향후 더 좋은 성능을 낼 수 있다고 생각합니다. 두 번째 강점은 모델 학습 방식입니다. 초기 학습은 레이블링 된 데이터를 이용해 전반적인 암사진을 판별하는 딥러닝 모델을 학습하는 것에 초점을 두고 이후 모델 성능을 보다 더 끌어올리기 위해 이전에 보지 못한 암 사진들로 테스트를 진행한 후 판단하기 힘들어하는 사진들을 골라내 집중적으로 추가하는 학습 방식을 사용했습니다. 루닛의 사업은 의사들도 판단하기 힘든 암사진을 구분하는 데에 핵심을 두는데, 루닛의 이러한 판별의 성능의 한계점을 뛰어넘기 위해 초기 학습에서 더 나아가 추가 학습과 다양한 딥러닝 학습 기술을 적용한 것으로 보입니다.

 

루닛은 크게 두 가지 관점에서 기술력을 끌어올릴 수 있었다고 생각하는데, 첫 번째는 데이터를 전문적으로 다루는 엔지니어가 있는 점에서 암 데이터를 다루는 노하우가 기술적 격차를 불러일으켰다고 생각합니다. 이전 루닛이 사용한 딥러닝 모델들로 짐작해 보아(이전 기술 데모용으로 github를 프로젝트를 판 흔적이 있는데 coco object detection 모델을 사용했었습니다), 암 진단에 사용되는 딥러닝 모델은 object detection model(객체 인식 모델)을 사용한 것으로 예상되는데, 암세포 데이터만 적절히 잘 가공해서 학습한다면 암세포 진단에 있어서는 성능을 잘 내줄 수 있을 것으로 예상합니다. 

 

마지막으로 제가 소소하게 제가 찍은 강아지 사진 보고 가세요~

그림 6. 주말에 본 강아지