[메디게이트뉴스 최지민 인턴기자 고려의대 본2] LG AI 연구원이 개발한 차세대 정밀의료 인공지능(AI) 모델인 엑사원 패스 2.0(EXAONE Path 2.0)이 최대 2주까지 걸리던 유전자검사 및 진단 시간을 단 1분으로 단축하고, 병리 이미지 분석을 위한 AI 모델 중 가장 높은 신뢰성과 정확도를 기록했다는 성과를 발표했다.
 
LG AI 연구원은 22일 ‘LG AI 토크콘서트 2025’를 열고 AI 관련 최신 연구 성과와 비전을 공개했다. 이홍락 LG AI 연구원 공동 연구원장 겸 최고 AI사이언티스트(CSAI)는 이날 행사에서 정밀의료 AI 모델 ‘엑사원 패스 2.0’과 단백질 다중 구조 예측을 위한 차세대 AI 연구를 소개했다.
 
엑사원 패스 2.0은 조직 병리 이미지 분석에 특화된 모델로, DNA와 RNA를 비롯한 멀티오믹스(multiomics) 정보가 포함된 병리 이미지를 학습해 별도의 유전자검사 없이도 특정 유전자 변이를 예측하고 찾아낼 수 있다.
 
이홍락 연구원장은 “최대 2주까지 걸리던 유전자검사 및 진단 시간을 단 1분으로 단축해 환자에게 더 빠르고 정확한 치료를 제공할 수 있게 된다”며 “기존의 패치 단위 분석을 넘어 슬라이드 전체를 학습할 수 있도록 개선돼 더욱 정밀한 예측이 가능하다는 큰 차별점을 갖는다”고 설명했다.
 
이 원장은 “엑사원 패스 2.0은 “폐암, 직장암, 유방암 등 병리 이미지 분석 분야의 주요 벤치마크 10개에서 모두 우수한 예측력을 보이며 최고 평균 점수인 0.784를 기록했다”며 “병리 진단을 위한 AI 모델 중 가장 높은 신뢰성과 정확도를 기록하고 있다”고 설명했다.
 
이 연구원장은 또한 “엑사원 패스 2.0이 엔비디아(NVIDIA)의 모나이 플랫폼(의료 영상 특화 오픈 소스 프레임워크)에도 탑재돼 지금까지 1만2000건 이상 다운로드됐다”라고 말했다.
 
엑사원 패스 2.0은 병리 이미지를 입력하면 30초 이내에 특정 유전자 변이가 있는지를 분석한다. 양성으로 표시될 경우, 해당 영상은 특정 질환 관련 유전자 발현량이 기준치보다 높다고 판단된다. 모델은 슬라이드 전체에서 양성으로 분류된 패치의 분포를 그래프로 시각화하며, 판단 근거가 되는 병리 이미지 내 영역은 붉은색으로 표시되고 세포 수준까지 확대해 확인할 수 있다.
 
LG AI 연구원은 서울대 생명과학부 백민경 교수팀과 협력해 다양한 상태(multi-state)로 존재하는 단백질의 다중 구조를 예측하는 차세대 단백질 구조 AI 모델 개발에도 매진하고 있다.
 
백민경 교수는 “사람도 쉬고 있을 때와 일하고 있을 때 자세가 다른 것처럼 단백질도 쉬고 있을 때와 기능을 할 때 구조가 다르다”며 “각 상태의 구조를 정확히 예측하는 것이 단백질의 기능을 이해하는 데 매우 중요하다”고 말했다.
 
백 교수는 “작년 노벨 화학상을 받은 알파폴드(AlphaFold)는 정적인 단일 상태 구조밖에 예측하지 못한다”며 “다중 상태 구조 예측은 질병 원인 규명 및 치료뿐 아니라 산업적 가치가 있는 효소 설계 및 신약 개발을 할 때 정확한 표적을 통해 훨씬 약효가 좋은 신약 개발을 하는 데 도움이 될 수 있다”고 설명했다.
 
백 교수는 이어 “LG AI 연구원의 대규모 생성형 AI 개발 경험과 이를 유지·배포했던 경험이 생태분자 구조 및 기능 예측에 대한 전문성과 맞물려 질병 치료의 획기적인 시작이 될 수 있는 인공 모델 개발에 시너지가 날 것이라 기대한다”고 덧붙였다.