그 의료AI 솔루션이 청와대 보안 시스템에 들어간 이유

제이엘케이(JLK)를 한 마디로 설명하자면 데이터로 할 수 있는 웬만한 것을 다하는 회사다. 처음에는 의료 영상 데이터를 분석해 병변을 찾아내는 인공지능(AI) 솔루션을 만들었는데, 사업을 하다보니까 데이터에서 무언가를 빠르게 찾아내는 이 기술이 굳이 의료에만 머물러 있을 필요가 없다고 판단했다.

흉부 엑스레이를 분석하던 기술은 청와대 보안 시스템에 적용됐고, 아주 작은 물체를 빨리 찾아내달라는 기업의 요구는 자율주행 영상 분석에 진출하는데 유용하게 쓰였다. 따라서 이 회사는, 데이터 분석과 인공지능 기술이 각 분야에서 독립적으로 존재하는 것이 아니라고 강조한다. 서로 다른 분야의 데이터 간 통섭이 인공지능 기술 발전의 핵심이라는 주장으로 읽혔다.

JLK는 생각보다 많은 타이틀을 가진 회사다. 국내 첫 의료AI 상장 기업인데다 올 초 국내 10대 인공지능 스타트업으로 꼽혔다. 미국과 일본 등에서 의료 영상 분석과 관련한 특허를 등록했고, 인텔, MS등과 협력해 폐질환 분석 시스템을 만들어 이를 빌클린턴재단에 납품했다.

이들의 행보를 들여다보면서, 그래도 그런 생각이 들었다. AI 솔루션에 뛰어든 기업이 한둘이 아닌데, 한 우물만 파도 성공할까 말까해보이는데, 이렇게 전방위로 사업을 확장하면 아니, 이게 전문성이 생기나? 사실은 이게 기술발전이라기보다는 사업의 문어발식 확장인 것은 아닐까? 김동민 JLK 대표에게 인터뷰를 요청한 것은 그런 이유에서다. 그런데 김 대표의 역질문이 머리를 때렸다.

“한 분야만 파면 정확도가 더 올라가나? 인공지능 솔루션에서 중요한 것이 정확도 뿐인가?”

김동민 대표를 최근 서울 강남 테헤란로에 위치한 제이엘케이타워에서 만났다. 김 대표는 원래 물리를 전공한 공학도다. 따라서, 가설을 세우고 이를 하나하나 증명해가는 방식으로 사업을 진행하는게 익숙해보였다. 그에게 JLK가 세운 가설과 비전을 물었다. 거의 두 시간에 가까운 시간동안 인공지능 강의를 들었는데, 어려운 내용이었음에도 불구하고 사례가 곁들어져 있어 흥미로웠다. JLK가 그만큼 많은 레퍼런스를 쌓았다는 뜻이다. 한편으로는 김 대표의 목소리가 배우 이동휘씨와 닮아 더 집중이 됐던 것도 있다.

제이엘케이는 어떤 회사?

글로벌 인공지능 리딩 기업을 목표로 한다. △의료 인공지능 올인원 플랫폼인 ‘에이아이허브(AIHuB)’ △인공지능 원격 헬스케어 플랫폼 ‘헬로헬스(Hello Health)’ △인공지능 토탈 데이터 매니지먼트 플랫폼 ‘헬로데이터(Hello Data)’ 등을 서비스한다. 이를 기반으로 인공지능 신약개발, 유전체 분야, 자율주행 등 여러 영역으로 사업을 확대 중이다.

올 초 한국지능정보사회진흥원(NIA)가 꼽은 국내 10대 인공지능 스타트업으로 선정되었는데, △차별화된 의료 빅데이터와 자체 인허가 시스템 구축 △공격적 마케팅 전략으로 글로벌 파트너십 구축과 유통망 확대 △AI 기반 의료 데이터 통합 관리 플랫폼 구축을 통한 B2C 영역으로 확장 등을 JLK의 핵심 성공 전략으로 평가받았다.

하는 일이 많다. 그중에서도 제이엘케이가 요즘 가장 주력하는 분야를 꼽는다면 무엇일까?

주력은 의료 인공지능이다. 상당히 많은 빅데이터를 병원과 협업해 모으고 있는데, 그 안에서 다양한 인공지능을 만들어내고 있다. 여기에는 인공지능의 핵심인 분석 알고리즘을 만드는 것, 뉴럴 네트워크의 설계와 구현, 분석된 결과를 후처리해서 의사들이 쓰기 좋도록 사용성을 녹여내는 것까지가 모두 포함된다. 우리가 AI 허브라고 부르는 플랫폼이 이런 역할을 한다. 이런 기술들은 반드시 데이터와 연동이 되어야 한다고 본다. 그래서 데이터 플랫폼이 존재해야 한다. 의료AI와 데이터를 함께 다루는 것은 뗄레야 뗄 수가 없는 관계다.

다루는 범위가 굉장히 넓게 느껴진다. 예를 들어서 크라우드웍스 같은 곳에서 하는 데이터 가공부터 루닛 같은 곳에서 하는 영상 분석까지, 전 단계에 걸친 서비스를 한다는 이야기인데

루닛도 데이터 처리를 다 하고 있다. 단지 우리와 같은 플랫폼이 없을 뿐이다. 우리는 진작부터 생태계를 만들어야 한다고 봤다. 그래서 인공지능의 핵심 알고리즘을 포함해 문제를 커버할 서비스와 솔루션군을 만들었고, 이를 지속 관리하기 위한 데이터를 총괄할 플랫폼을 만든 거다. 플랫폼은 일반 사용자를 고려해 만든 것이기도 하다. 의료AI 솔루션이 병원에 들어가는 건 오히려 문제가 없지만, 개인들이 서비스에 접근하려면 플랫폼이 필요하다. 알고리즘 솔루션과 데이터, 그리고 플랫폼은 하나의 큰 생태계를 만들기 위한 덩어리이고, 이 세개를 연결하기 위한 사업을 계속해왔다.

하나에 집중하는 것에 비해 여러 서비스를 하다보면 정확도가 떨어지는 문제는 없나?

거꾸로 물어보고 싶다. 한 분야만 파면 진짜 정확도가 올라간다고 생각하나? 재미있는 얘기를 하나 해보자. 가슴 엑스레이 영상을 하다보면 비딩을 여러번 하게 된다. 그런데 요즘은 논문에 나와 있는 정확도를 가지고 납품할 수 있는 곳은 없다. 특히나 글로벌 기업 같은 경우에도 컴피티션(경쟁)이다. 저희가 빌클린턴 재단에 납품하게 된 것도 거기서도 경쟁이었다.

그 경쟁에서는 어떤 요소가 가장 중요한가?

성능이다, 성능. 현장에서 바로 주는 데이터를 가지고 분석해서 결과를 내야한다.

논문에 있는 정확도는 수치일 뿐이고, 현장에서 가장 잘 돌아가야 평가를 받는다는 이야기인데, 그만큼 성능에서 자신있다는 이야기일까?

우리가 세계 모든 곳에서 테스트를 해본 것이 아니기 때문에 (성능에서 제일 좋다고 말하기에는) 조심스럽다. 실제로 그런 경험이 있다. 저희가 한국에서 대한결핵원과 처음 계약을 해서 100만개의 데이터를 가지고 개발을 했다. 그만한 데이터를 가지고 개발을 한 곳은 없었다. 너무 자신이 있었다. 이 기술을 들고 인도에 가서 현장에서 테스트를 했는데 너무 깜짝 놀랐다. 인도의 엑스레이 수준이 상상할 수 없는 수준으로 옛날의 것들이었다. 그래서 그때 처음으로 “아, 자만하면 안 되겠다. 데이터의 숫자가 막바로 성능이라는 공식은 우물 안의 이야기구나” 생각했다.

특정 조건에서의 특정 성능이기 때문에?

그렇다. 인도에서 많은 학습을 해서 그 이후부터는 데이터 수집에 변형(variation)을 줬다. 그 이후에 있었던 것이 남아프리카공화국에서 있었던 컴피티션이었다.

그때도 결핵이었나?

그때도 결핵이긴 하지만, 특수한 상황이 있었다. 현지에 광산 노동자가 많았고 그들이 앓는 ‘진폐증’이라는 것이 있었다. 먼지 때문에 생기는데 결핵과 구별해야 하는게 가장 큰 관건이었다.

우리나라는 진폐증이 거의 없어진 질병이어서 구분할 수 있는 데이터를 얻는 것이 쉽지 않았을 것 같다

진폐증을 의식하고 만든 건 아니었지만 저희가 수집한 다양한 폐질환 중에서 결핵병변을 구분할 수 있게끔 하는 데이터 구성과 뉴럴 네트워크의 구조가 좋았다.

처음에는 의료부터 시작했지만 이제는 다루는 분야가 의료를 넘어서 다른 분야로 확장이 되고 있다

다들 다른 분야라고 많이 생각을 하는데, 그렇게 생각하진 않는다. 저희가 흉부 엑스레이를 개발할 때 그런 경험이 있다. 열심히 개발을 하고 제품화가 되고 난 후였다. 공항에서 짐 검사를 통과하다가 엑스레이 장비를 보니까 저기에서도 뭔가를 찾아내는 걸 해볼 수 있겠다는 생각이 들었다. 그래서 한 번 해보자고 생각해서 그때부터 보안 엑스레이 쪽으로 연구를 진행했다.

흉부 엑스레이 검사가 보안 엑스레이가 됐다는 이야기인데, 지금 공항의 보안 엑스레이에 제이엘케이 기술이 들어가나?

저희 기술은 청와대에 들어가 있다. 지금 문재인 대통령을 만나러 가려면 반드시 저희 엑스레이를 통과해야 한다.

그럴 일이 있으면 좋겠다(웃음)

(웃음) 그때 보니까 보안은 또 새로운 영역이더라. 보안용 엑스레이는 영상 스케일도 더 큰데, 그 안에서 USB를 검출해 달라는 주문이었다. 그런데 USB는 모양도 정말 다양한데다, 그게 USB라고 특정할 수 있는 특징을 다 합쳐봐야 스무픽셀이 안 된다. 이 큰 영상 안에서 그런 특징을 읽어내야 하는데 엑스레이는 (촬영 대상 안의 모든 구성 물체가) 중첩이 되어서 보여지는 특성이 이다. 이 문제를 어떻게 풀어내야 할지 열심히 파다가, 그게 또 의료로 가서 엑스레이를 고도화 시키게 됐다.

흉부 영상에서 장기가 중첩되어 보이는데, 그 문제를 풀 수 있었겠다

그렇다. 또 이 보안용 엑스레이를 갖고 기업에 갔다. 그랬더니 여기에서는 한 시간 동안 6000명이 왔다갔다 하더라

속도도 빨라져야 했겠다

리얼타임 디텍션(실시간 추적)이 돼야 했다. 영상 안에서 아주 작은 걸 찾아내라고 하면 다소 계산 시간이 걸리더라도 어떡해서든 찾아낼 수있다. 그런데 1초에 몇 프레임 이상 나오는 영상을 실시간으로 끊김 없이 보면서 몇 픽셀이 안 되는 걸 찾아내야 하는 인공지능 기술은… 정말 저희가 그때 한 방을 엑스레이 영상으로 다 채운 적도 있다. 고통의 두달을 보낸 적이 있다.

접고 싶진 않던가(웃음)?

(웃음) 너무 재미있었다.

재미있다니, 성격이 약간 이상한 것 같다(웃음)

(웃음) 그걸 마지막에 풀어냈다. 풀어내고 나니까 그 기술이 어디에 들어가냐면 내시경이다. 내시경을 할 때 교수님들의 요구 사항이 “잘 보이는 병변을 찍어서 분류하는 것은 필요 없다. (카메라가) 지나가다가 저 멀리에 있는데 저게 병변이라는 걸 알려줘야 거기에 가서 볼 수 있다”고 해서 거기에 쓰였다.

방금 청와대 이야기를 했는데, 청와대에는 기술이 어떻게 들어갔나?

거기서도 컴피티션을 했다. 기업도 그렇고 청와대도 그렇고 모두 같다.

지금 하고 있는 분야가 많지만, 결과적으로는 거의 하나의 기술이다. 데이터 분석을 도입할 수 있는 부문 중에서 가장 유망하다고 생각하는 분야가 있나?

거꾸로 이렇게 생각한다. 우리가 열심히 인공지능 솔루션을 많이 만들어냈는데 사실 지금 시장에서 가장 주목받는 부분은 데이터 같다. 정부의 한국형 뉴딜사업과 맞물리기도 하고, 이제 다양한 니즈가 발생했으므로 그런 단계에 왔다고 본다.

우리가 솔루션이라는, 데이터 수집과 분석의 다음 단계까지 왔지만 지금 현재 시장의 숙성도를 보면 아직까지는 데이터 영역, 디지털 트랜스포메이션과 관련한 영역이 훨씬더 시장에서 활기가 있는 것 같다. 그 다음 단계로 솔루션까지 올라올 거라고 보고 열심히 두 개를 다 세워가며 준비하고 있다.

바우처 사업도 하고 있는데

바우처 사업은 새로운 알고리즘을 만들 수 있는 기회이기도 하다. 다양한 데이터를 융합할 수 있는 경험을 진짜 많이 했다. 그 데이터를 서비스로 론칭하는 경험까지 하다보면 정말 재미있다.

흥미로웠던 사례가 있을까?

의료 쪽에서 우리가 하고 싶었지만 못하고 있었던 부분 중 하나가 재활이다. 초반에 뇌졸중 영상 분석을 준비하면서 재활까지 엮고 싶었지만, 그간 인허가를 받기 위한 솔루션에 치중하다보니 재활에 관련한 것을 미처 하지 못하고 있었다. 그런데 작년에 바우처 사업을 하면서, 이전에 만들어 놓았던 기술을 다시 사용할 수 있게 됐다.

일단 의자를 만드는 업체에서는 사람의 자세를 분석해 마사지 효과를 비교하는 데이터를 만들고 싶어했다. 유사한 알고리즘을 필요로 하는 곳으로는 교육도 있었다. 축구 교실에서 선수가 가르쳐준대로 제대로 드리블링을 하고 있는지를 잘하는 친구들과 자세를 비교할 수 있게 하는게 목적이었다. 재활을 할 때 쓰기 위해 만들었던 기술을 여기에 접목시켜서 데이터를 만들고 사업화 가능한 모듈로 제공을 했다. 두 곳 다 서비스를 준비 중이거나 혹은 현장에 접목했다.

알고리즘을 많이 만들고, 융합도 많이 한다

최근 JLK 관련 기사에서 가장 많이 접할 수 있는 키워드가 ‘오토 머신러닝(ML)’일 거다. 지금까지는 사람이 개입해서 할 수 있는 것은 정말 열심히 많이 만들어놓았다. 작년부터 저희가 공을 들이기 시작했던 것은 플랫폼 안에서 데이터가 다 연동이 되게끔, 오토ML을 위한 방향이다. 데이터 매니지먼트 플랫폼에서 생성되는 데이터를 이용해서 인공지능들이 점점 스스로 검증을 거쳐서 성능이 업데이트 되면, 이 결과물이 다시 의료 솔루션으로 API가 들어가고 플랫폼까지 연동이 돼서 지속적으로 업그레이드 되는 서비스를 제공 받을 수 있게 되는 거다.

비전이 크다

꿈이 크다. 그렇게 가지 않으면, 사실 다들 조각을 보고 있는데 저희는 처음부터 틀을 만들면서 가는게 저희의 접근 방법이기 때문에, 한 조각도 의미가 있을 수 있지만 틀을 가지고 가면서 각각의 조각이 연동이 되고 시너지를 만드는 큰 틀이 중요하다고 보고 있다. 그래서 저 서비스 안에서 스스로 진화하는 부분이 상품화가 될 거고, 내년 내후년도 머릿속으로 많이 그리고 있다.

최근 나오는 보도들을 보면 의료외에 다른 부분을 더 집중할 계획으로 보이기도 한다

그렇진 않다. 의료는 더 고차원적인 솔루션을 주력해 시작을 해보려고 한다. 예를 들어서 지금까지는 의료 영상을 중심으로 분석을 했다면 앞으로는 유전체 같은 데이터까지 복합적으로 사용해 분석을 할 수 있는 기술이라든지,

판독보조에서 예측으로 간다는 얘기일까?

예측이 될 수도 있고, 어떻게 보면 정밀진단이 될 수도 있다. 두 개가 다른 문제가 아니다.

최근 연구한 것 중에 흥미롭게 보는 것이 있나?

논문을 하나 곧 발표할 예정이다. 다들 인공지능의 정확도를 이야기한다. 그런데 사실 인공지능에서 제시하는 예측치의 의미가 무엇일까가 항상 궁금했다. 그래서 흉부 엑스레이 결과에서 나오는 예측치를 살펴봤다. 폐렴 30% 확률의 사람과 60%의 사람은 무엇이 다를지에 대한 연구는 지금까지 없었다. 단지, 이 인공지능이 폐렴 감염 여부를 맞췄느냐 아니냐만 다룬다. 아무도 인공지능이 내놓은 숫자의 의미 그자체에 대해서 정의를 하려고 하지 않았다.

그 차이를 밝혀내는게 가능한가? 지금까지는 인공지능이 딥러닝으로 어떤 결과를 도출할 때 사람이 그 과정까지는 알 수 없다고들 하지 않나?

검증을 하나 해봤다. 연속으로 엑스레이를 찍었던 환자 중에 폐렴의 가능성이 낮았다가 높아진 사람, 높았다가 낮아진 사람의 동일 시간대 CT 영상을 모두 수집했다. 수집하느라 힘들었다(웃음). CT에서 폐 병변의 영역이나 악화의 변화 정도를 두 시간대에서 모두 체크했다. 예측치가 높게 변할수록 폐렴은 점점 나빠졌다. 병변이 점점 커지거나 심각도가 깊어진 것이다. 낮아질수록 치료효과가 나타나서 좋아졌다.

예측치가 유의미한 결과를 가진다는 뜻이다. 듣다보니 좋은 가설을 세우는 것이 정말 중요하겠다는 생각이 든다. 좋은 가설을 만들 수 있는 팁을 줄 수 있나?

실패에서 나오는 것도 있는 것 같다. 해보니까 안 됐던 것들, 그러니까 많은 도전을 해보다 보니까 지금 안 된 것과 된 것에 대한 학습의 결과가 쌓였다고 본다. 그래서 풀어야 되는 어떤 문제들을 접하면 과거에 실패했던 것과 가장 유사한 문제를 추려 리스크를 배제해 가면서 방법을 세워보는 것이 습관화가 돼있는 것 같다.

요즘 가장 고민하는 부분이 있나?

어떻게 하면 저희도 테슬라와 같은 그런 그룹이 될 수 있을까가 고민이다.

테슬라와 같은 그룹이라는 것은 그만큼 유명한 기업을 말하는 걸까, 아니면 비저너리한 곳을 말하는 걸까?

비저너리한 거다. 그런데 그게 비전이라고만 생각하진 않는게, 일론 머스크가 그려낸 스페이스엑스나 하이퍼루프 등이 다 연결되어 있는, 하나로 뭉쳐져 있는 되게 큰 플랫폼이라서다. 자동차는 디바이스일 뿐이다. 전기 자동차는 데이터를 수집하기 위한 하나의 디바이스이고, 거기에서 얻어진 다양한 정보를 금융과 연동시켜서 보험 상품까지 만들어낸다. 또, 데이터를 수집하기 위해서 인공위성을 쏘아올리는데, 이것 역시 떨어져 있는게 아니라 연결되어 있는게 굉장히 멋있다고 생각했다.

이런 걸 그려낼 수 있는 담대함과 불가능하지 않다고 생각하는 용기가 어디에서 나올까? 걱정만 하면 넥스트를 못잡아 낸다고 본다. 저 뒤에 있는 넥스트를 봐야 다음 스텝을 밟을 수 있는데 그런 용기가 부러웠고, 사람들에게 그런 고무감을 심어주므로 비전을 제시할 수 있었다고 본다. 지금 사람들이 저희한테 “너넨 뭘 그렇게 많이 하느냐”고 하지만, 아마 1~2년 후에는 “걔네는 이유가 있었어”라는 말을 듣고 싶다.

JLK가 최종적으로 보여줄 수 있는 비전은 어떤 걸까?

인공지능이 환경적인(ambient) 부분이 되어야 한다고 본다. 지금은 인공지능이 홍보의 수단으로 쓰이는데, 인공지능은 언제나 환경적으로 존재하고, 이 지성들이 융합이 돼서 더 복합적인 인사이트를 계속 줄 수 있어야 한다. 사람들은 인공지능의 지원을 받으면서 더 집중해야 할 부분에 집중하고 더 하고 싶은 일을 할 수 있게 만드는게 가장 큰 비전이다.

상장을 했다. 의료 AI 부문에서는 첫 상장기업이기도 하다. 왜 상장을 할 생각을 했나?

그때가 제일 적절한 타이밍이라고 보고 있었다. 기술 특례 상장이라는 거는 기술만 있다고 할 수 있는 것은 아니다. 그 기술이 사업성이 있느냐 없느냐가 평가 기준이다. 이걸 가지고 정말 이 기업이 돈을 벌어서 기술 특례로 성장을 했지만 실적 기업이 될 수 있느냐 없느냐를 평가하는 게 기술 특례 상장의 취지고, 자신이 있었다. 상장이라는 숙제를 빨리 끝내고 전투적으로 실적 기업으로 거듭나자는 거였다(웃음).