양한광 국립암센터 원장 “암 데이터·AI 결합, 지금이 세계 선도할 골든타임”

(etnews.com)

국립암센터 양한광 원장은 한국이 보유한 국가 단위의 암 데이터와 AI 기술을 결합하여 글로벌 의료 AI 시장을 선도할 수 있는 골든타임을 맞이했으며, 이를 위해 멀티모달 기반의 암 특화 AI 파운데이션 모델 개발과 국가 차원의 인프라 고도화가 시급하다고 강조했다.

이 글의 핵심 포인트

12028년까지 암 환자 1만 명 규모의 영상, 병리, 유전체 등 멀티모달 데이터 구축 목표
2국가암데이터센터를 '국가AI·암데이터센터'로 고도화하기 위해 5년간 총 461억 원 예산 요청
3클라우드 기반 연합학습(Federated Learning) 환경 지원을 통한 국제 공동연구 활성화 추진
4암 특화 AI 파운데온 모델을 통해 신약 후보 발굴, 환자별 치료제 선택, 예후 예측 등 활용 계획
5지역 의료기관의 역량 강화를 위해 서울과 지역 간 의료 정보 이동 및 표준치료 지원 구조 구축

이 글에 대한 공공지능 분석

왜 중요한가?

한국은 세계적으로 보기 드문 국가 단위의 암 등록, 치료, 생존 데이터를 보유하고 있어 이를 AI 학습용 멀티모달 데이터로 전환할 경우 독보적인 글로벌 경쟁력을 가질 수 있기 때문이다.

어떤 배경과 맥락이 있나?

현재 의료 AI 산업은 단순 영상 판독을 넘어 유전체와 임상 정보를 결합한 파운데이션 모델 시대로 진입하고 있으며, 정부는 이를 위해 대규모 예산 투입과 데이터 센터 고도화를 추진 중이다.

업계에 어떤 영향을 주나?

암 특화 AI 모델이 공공 기반으로 개방되면 신약 개발, 정밀 의료, 예후 예측 분야의 스타트업들이 양질의 데이터를 활용해 혁신적인 솔루션을 빠르게 검증하고 상용화할 수 있는 생태계가 조성될 것이다.

한국 시장에 어떤 시사점이 있나?

국내 의료 AI 기업들은 단순 알고리즘 개발을 넘어, 국가가 구축하는 멀티모달 데이터 표준과 연합학습(Federated Learning) 환경에 최적화된 기술력을 확보하여 공공 인프라와 결합하는 전략이 필요하다.

이 글에 대한 큐레이터 의견

국립암센터의 이번 구상은 파편화된 의료 데이터를 국가 단위의 'AI-레디' 자산으로 전환하겠다는 매우 공격적이고도 전략적인 움직임이다. 특히 데이터 유출 우려를 최소화하면서도 학습이 가능한 연합학습(Federated Learning) 환경 구축은 데이터 보안과 활용이라는 상충하는 가치를 동시에 해결하려는 시도로, 의료 AI 스타트업들에게는 거대한 '데이터 고속도로'가 열리는 기회라고 볼 수 있다.

다만, 대규모 예산 투입을 통한 공공 모델 개발이 자칫 민간 영역의 혁신을 저해하거나, 데이터 표준화 과정에서 발생하는 막대한 비용과 시간 소요가 사업의 실효성을 늦출 리스크도 존재한다. 스타트업 창업자들은 정부 주도의 파운데이션 모델을 단순한 경쟁자로 보기보다, 이를 기반으로 특정 질환이나 미세 영역(Niche)에 특화된 '버티컬 AI 솔루션'을 구축하여 공공 인프라 위에 탑재되는 전략적 접근이 필요하다.

원문 보기 →