바이오스펙테이터

바이오스펙테이터 이효빈 기자

아이젠사이언스(AIGEN Sciences)는 지난달 27일 헝가리 부다페스트에서 개최된 자연어처리 분야 국제학술대회 EMNLP 2026에서 고려대 연구팀과 공동개발한 의료특화 인공지능(AI) 언어모델 '미어캣2(Meerkat2)' 연구논문을 발표했다고 5일 밝혔다. EMNLP(Empirical Methods in Natural Language Processing)는 자연어처리 분야를 대표하는 최상위 국제학술대회이다.

미어캣2는 영어와 한국어 임상환경에 최적화된 개방형 의료특화 추론모델이다. 연구진은 기존 대규모언어모델(LLM)이 국가별로 상이한 의료법과 제도를 충분히 반영하지 못한다는 점에 주목했다. 특히 영어권 임상환경을 중심으로 개발된 기존 모델은 한국의 의료 관련 법률과 제도적 맥락을 이해하는 데 한계가 있다고 보고, 이를 개선하기 위해 미어캣2를 개발했다.

연구팀은 국내 의료관련 법령 12종을 직접 수집하고, 법령의 개별 조항을 근거로 한 문답 1만8700쌍의 학습데이터를 생성했다. 해당 데이터를 학습한 미어캣2는 법률적 정확도가 98.7점에 도달하며 기존 대비 약 25% 증가했고, 한국 의사국가시험 의료법 문항에서 정답률에서도 OpenAI의 GPT-5.1보다 높은 점수를 보였다.

또한 연구진은 AI가 답변을 길게 생성할수록 연산 부담과 의료진의 검토 시간이 늘어난다는 점에 주목해 미어캣2에 '장황함 분리 증류(verbosity-decoupled distillation, VDD)'라는 기술을 적용했다. 이는 모델이 상세한 추론 능력은 학습하면서도, 불필요하게 긴 답변을 생성하는 경향은 줄이도록 하는 설계 기법이다. 미어캣2는 한국어 의학문제 평가에서 장문의 추론데이터로 학습한 비교모델보다 높은 정답률을 나타내면서도, 답변 길이는 약 30% 수준으로 줄였다.

미어캣2는 매개변수(parameter) 규모에 따라 14B(140억개), 32B(320억개), 30B-A3B(300억개) 등 총 3종으로 개발됐다. 매개변수는 모델이 데이터를 학습하는 과정에서 스스로 조정하는 내부 값으로 보통 모델의 성능을 좌우하는 중요한 요소로 여겨진다. 다만 매개변수 규모가 커질수록 더 많은 연산량과 메모리가 필요해 모델 운영에 필요한 하드웨어 부담도 커진다.

미어캣2의 각각의 모델은 미국 의사면허시험형 문제(MedQA)와 한국 의사국가시험 기반 문제(KorMedMCQA) 전반에 걸쳐 ‘알리바바 Qwen3’을 비롯한 기존 모델과 비교해 더욱 개선된 정답률을 보였다. 특히 30B-A3B 변형은 규모가 약 8배 큰 2350억 매개변수 모델 Qwen3-235B과 동등한 수준의 정확도를 달성하기도 했다.

회사는 미어캣2가 적은 연산량으로도 높은 정확도를 구현할 수 있다는 점을 강조했다. 이를 바탕으로 병원 자체 서버에 모델을 설치해 민감한 환자정보를 외부 서버로 전송하지 않고 운영하는 방식에도 적합하다는 설명이다.

강재우 아이젠 대표는 "의료 AI가 한국 현장에서 쓰이려면 영어지식을 번역하는 것으로는 부족하고, 우리 법과 제도를 원문 그대로 정확히 알아야 한다"며 "미어캣2는 정확하면서도 짧게 답하도록 설계해 병원에서 사용할 때 문제점도 개선됐다"고 말했다.