의료 AI, 병원 현장에 이렇게 다가왔습니다 :
3D 영상은 가볍게, 목소리는 정밀하게, 문헌 조사는 자동으로
- 인하대·건국대·셀키에이아이 연구팀, GPU 메모리 74% 절감·국제대회 4위·R&D 자동화 등 성과 공개
- BARO AI, 2026 대한의료정보학회 춘계학술대회에서 POSEIDON 기반 의료 AI 연구 사례 공개
안녕하세요, 바로AI입니다.👩⚕️
지난 6월 25일부터 26일까지 청주 오스코에서 열린 2026 대한의료정보학회 춘계학술대회에 바로AI가 참가했습니다.
흉부 영상 판독, 심정지 예측처럼 이미 상용화된 AI 솔루션부터 바이오빅데이터 기반 Foundation Model 연구까지,
의료 AI 논의가 연구실을 넘어 임상 현장으로 빠르게 이동하고 있음을 확인한 자리였습니다.
2026 대한의료정보학회 춘계학술대회, 바로AI 부스에서 담당자가 방문객에게 POSEIDON 인프라를 설명하고 있다.
이 흐름 속 공통된 화두는 하나였습니다.
신뢰할 수 있는 인프라 위에서, 얼마나 안정적으로 AI를 돌릴 수 있는가.
바로AI는 이 질문에 POSEIDON으로 구현된 의료 AI 연구 사례들로 답했습니다.
3D CT 장기 분할부터 음성 기반 감정 인식까지, 다른 도메인에서 동일한 인프라가 어떻게 쓰이고 있는지 현장에 소개했습니다.
GPU 메모리 74% 절감, 정확도는 그대로 — 3D 장기 분할 AI
POWERED BY POSEIDON Alpha Line-up (RTX4090x4, RTX5090x4)
이해를 돕기 위한 참고 이미지로, 실제 연구 데이터와는 무관합니다.
고해상도 3D CT 영상에서 장기 하나하나를 정밀하게 구분해 내는 일은 계산량이 만만치 않습니다.
특히 성능 좋은 GPU가 갖춰지지 않은 병원 현장이라면 더욱 그렇습니다.
넉넉하지 않은 컴퓨팅 자원 안에서도 정확도를 포기하지 않을 수 있을까요?
인하대학교 미디어인공지능연구실 신병석 교수 연구팀은 장기 위치를 먼저 큼직하게 파악한 뒤,
관심 부위만 잘라내 미세하게 재구획하는 2단계 구조로 이 문제에 접근했습니다.
그 결과 GPU 메모리 사용량을 최대 74%까지 절감하면서도 장기 분할 정확도는 그대로 유지하는 데 성공했습니다.
제한된 의료 기기 환경에서도 고해상도 3D 영상 분석이 가능해진 것 입니다.
전 세계 93개 팀 중 4위, AI가 목소리 속 감정을 읽어내다.
POWERED BY POSEIDON Ultimate Line-up (A100x4)
이해를 돕기 위한 참고 이미지로, 실제 연구 데이터와는 무관합니다.
사람의 감정은 말의 내용뿐 아니라 목소리 톤과 문장의 리듬에도 묻어납니다.
문제는 자연스러운 일상 대화일수록 그 신호가 훨씬 모호해진다는 점입니다.
이 미세한 변화를 AI가 사람만큼, 혹은 그 이상으로 읽어낼 수 있을까요?
건국대학교 김은이 교수 연구팀과 보이노시스는 단어의 문법 구조, 목소리 톤, 문장 리듬을 세 단계로 나눠 동시에 분석하고,
각 모델의 확신도를 결합해 감정을 예측하는 방식을 택했습니다.
의미 정보와 음성적 특징을 여러 단계에 걸쳐 융합함으로써 감정을 정밀하고 신뢰도 높게 짚어내는
설명 가능한 AI를 완성한 것입니다.
이 연구팀은 알츠하이머 질환 인공지능 평가 세계대회 1위에 이어,
93개 팀이 겨룬 국제 음성 감정 인식 대회에서 4위(감정 속성 예측 부문 단독 2위)에 올랐습니다.
후속 연구 MASTER+에서는 기존 1위 모델보다 1.25% 향상된 성능으로 오픈 벤치마크(SERB) 감정 분류 부문 1위를 달성했습니다.
바이오마커 후보 도출부터 논문 요약·보고서까지, 단백질체 분석 AI가 한 번에
POWERED BY POSEIDON Ultimate Line-up (H100x1)
셀키에이아이 분석 자동화 플랫폼 SDF 대시보드, 차등발현 단백질 분석 결과(볼케이노 플롯·히트맵) 화면
신약 후보를 찾는 연구자들에게 데이터 분석 자체보다 더 큰 부담은 따로 있습니다.
분석 결과를 뒷받침할 문헌을 찾아 읽고, 이를 정리해 보고서로 옮기는 반복 작업입니다.
이 과정에만 수일이 걸리는 경우도 드물지 않습니다.
이 반복 작업을 통째로 AI에게 맡길 수는 없을까요?
AI·멀티오믹스 융합 정밀의료 기업 셀키에이아이는 자사의 분석 자동화 플랫폼 SDF에서 처리된 단백질체 데이터를
AI 에이전트 BioEOS와 연동해 이 질문에 답했습니다.
분석이 끝난 데이터를 넘기면 바이오마커·신약 타겟 자동 식별은 물론, 관련 PubMed 논문 수집과 요약, 보고서 작성까지
외부 툴 전환 없이 한 번에 처리됩니다.
기존에 수일씩 걸리던 문헌 검토 과정을 자동화하면서 R&D 기간 자체를 단축했습니다.
반복적인 자료 조사와 문서 작성은 인프라에 맡기고, 연구자는 결과 해석과 의사결정에만 집중할 수 있게 되었습니다.
다음 세대 의료 연구의 새로운 기준,
가장 안전한 시작은 바로 AI입니다.
3D 영상을 정밀하게 분할하고, 미세한 음성 신호로 감정을 예측하고, 방대한 문헌을 실시간으로 검토하는 일.
도메인은 달라도 이 모든 과정에는 상상 이상의 컴퓨팅 파워가 필요했습니다.
그리고 이 무게를 안정적으로 받쳐줄 인프라는 흔치 않습니다.
그렇다면 왜 바로AI여야 할까요?
3D 대용량 영상도 원본 그대로, 압도적인 VRAM
클라우드 전송 없이, 학습부터 운영까지 사무실 안에서 끝내는 병원 내 보안 스택
일반 연구실 상시 구동을 위한 저소음·저발열 GPU 클러스터 패키지
제한된 자원 속에서도 안정적으로 구동해야 하는 모델부터,
여러 데이터를 동시에 융합하고 실시간으로 처리해야 하는 모델까지,
각기 다른 요구를 하나의 인프라가 지탱했습니다.
의료 AI 연구 환경 구축과 인프라 확장을 고민하고 있다면,
다양한 연구 현장에서 이미 검증된 바로AI의 레퍼런스가 실질적인 답이 될 수 있습니다.
2026.07.09
의료 AI, 병원 현장에 이렇게 다가왔습니다 :
3D 영상은 가볍게, 목소리는 정밀하게, 문헌 조사는 자동으로
안녕하세요, 바로AI입니다.👩⚕️
지난 6월 25일부터 26일까지 청주 오스코에서 열린 2026 대한의료정보학회 춘계학술대회에 바로AI가 참가했습니다.
흉부 영상 판독, 심정지 예측처럼 이미 상용화된 AI 솔루션부터 바이오빅데이터 기반 Foundation Model 연구까지,
의료 AI 논의가 연구실을 넘어 임상 현장으로 빠르게 이동하고 있음을 확인한 자리였습니다.
2026 대한의료정보학회 춘계학술대회, 바로AI 부스에서 담당자가 방문객에게 POSEIDON 인프라를 설명하고 있다.
이 흐름 속 공통된 화두는 하나였습니다.
신뢰할 수 있는 인프라 위에서, 얼마나 안정적으로 AI를 돌릴 수 있는가.
바로AI는 이 질문에 POSEIDON으로 구현된 의료 AI 연구 사례들로 답했습니다.
3D CT 장기 분할부터 음성 기반 감정 인식까지, 다른 도메인에서 동일한 인프라가 어떻게 쓰이고 있는지 현장에 소개했습니다.
GPU 메모리 74% 절감, 정확도는 그대로 — 3D 장기 분할 AI
POWERED BY POSEIDON Alpha Line-up (RTX4090x4, RTX5090x4)
이해를 돕기 위한 참고 이미지로, 실제 연구 데이터와는 무관합니다.
고해상도 3D CT 영상에서 장기 하나하나를 정밀하게 구분해 내는 일은 계산량이 만만치 않습니다.
특히 성능 좋은 GPU가 갖춰지지 않은 병원 현장이라면 더욱 그렇습니다.
넉넉하지 않은 컴퓨팅 자원 안에서도 정확도를 포기하지 않을 수 있을까요?
인하대학교 미디어인공지능연구실 신병석 교수 연구팀은 장기 위치를 먼저 큼직하게 파악한 뒤,
관심 부위만 잘라내 미세하게 재구획하는 2단계 구조로 이 문제에 접근했습니다.
그 결과 GPU 메모리 사용량을 최대 74%까지 절감하면서도 장기 분할 정확도는 그대로 유지하는 데 성공했습니다.
제한된 의료 기기 환경에서도 고해상도 3D 영상 분석이 가능해진 것 입니다.
전 세계 93개 팀 중 4위, AI가 목소리 속 감정을 읽어내다.
POWERED BY POSEIDON Ultimate Line-up (A100x4)
이해를 돕기 위한 참고 이미지로, 실제 연구 데이터와는 무관합니다.
사람의 감정은 말의 내용뿐 아니라 목소리 톤과 문장의 리듬에도 묻어납니다.
문제는 자연스러운 일상 대화일수록 그 신호가 훨씬 모호해진다는 점입니다.
이 미세한 변화를 AI가 사람만큼, 혹은 그 이상으로 읽어낼 수 있을까요?
건국대학교 김은이 교수 연구팀과 보이노시스는 단어의 문법 구조, 목소리 톤, 문장 리듬을 세 단계로 나눠 동시에 분석하고,
각 모델의 확신도를 결합해 감정을 예측하는 방식을 택했습니다.
의미 정보와 음성적 특징을 여러 단계에 걸쳐 융합함으로써 감정을 정밀하고 신뢰도 높게 짚어내는
설명 가능한 AI를 완성한 것입니다.
이 연구팀은 알츠하이머 질환 인공지능 평가 세계대회 1위에 이어,
93개 팀이 겨룬 국제 음성 감정 인식 대회에서 4위(감정 속성 예측 부문 단독 2위)에 올랐습니다.
후속 연구 MASTER+에서는 기존 1위 모델보다 1.25% 향상된 성능으로 오픈 벤치마크(SERB) 감정 분류 부문 1위를 달성했습니다.
바이오마커 후보 도출부터 논문 요약·보고서까지, 단백질체 분석 AI가 한 번에
POWERED BY POSEIDON Ultimate Line-up (H100x1)
셀키에이아이 분석 자동화 플랫폼 SDF 대시보드, 차등발현 단백질 분석 결과(볼케이노 플롯·히트맵) 화면
신약 후보를 찾는 연구자들에게 데이터 분석 자체보다 더 큰 부담은 따로 있습니다.
분석 결과를 뒷받침할 문헌을 찾아 읽고, 이를 정리해 보고서로 옮기는 반복 작업입니다.
이 과정에만 수일이 걸리는 경우도 드물지 않습니다.
이 반복 작업을 통째로 AI에게 맡길 수는 없을까요?
AI·멀티오믹스 융합 정밀의료 기업 셀키에이아이는 자사의 분석 자동화 플랫폼 SDF에서 처리된 단백질체 데이터를
AI 에이전트 BioEOS와 연동해 이 질문에 답했습니다.
분석이 끝난 데이터를 넘기면 바이오마커·신약 타겟 자동 식별은 물론, 관련 PubMed 논문 수집과 요약, 보고서 작성까지
외부 툴 전환 없이 한 번에 처리됩니다.
기존에 수일씩 걸리던 문헌 검토 과정을 자동화하면서 R&D 기간 자체를 단축했습니다.
반복적인 자료 조사와 문서 작성은 인프라에 맡기고, 연구자는 결과 해석과 의사결정에만 집중할 수 있게 되었습니다.
다음 세대 의료 연구의 새로운 기준,
가장 안전한 시작은 바로 AI입니다.
3D 영상을 정밀하게 분할하고, 미세한 음성 신호로 감정을 예측하고, 방대한 문헌을 실시간으로 검토하는 일.
도메인은 달라도 이 모든 과정에는 상상 이상의 컴퓨팅 파워가 필요했습니다.
그리고 이 무게를 안정적으로 받쳐줄 인프라는 흔치 않습니다.
그렇다면 왜 바로AI여야 할까요?
3D 대용량 영상도 원본 그대로, 압도적인 VRAM
클라우드 전송 없이, 학습부터 운영까지 사무실 안에서 끝내는 병원 내 보안 스택
일반 연구실 상시 구동을 위한 저소음·저발열 GPU 클러스터 패키지
제한된 자원 속에서도 안정적으로 구동해야 하는 모델부터,
여러 데이터를 동시에 융합하고 실시간으로 처리해야 하는 모델까지,
각기 다른 요구를 하나의 인프라가 지탱했습니다.
의료 AI 연구 환경 구축과 인프라 확장을 고민하고 있다면,
다양한 연구 현장에서 이미 검증된 바로AI의 레퍼런스가 실질적인 답이 될 수 있습니다.
POSEIDON 더 알아보기