사업적 과제
- 의료 자원 압박: 의료 인력 부족과 임상 기록 업무 과중으로 인한 효율성 저하.
- 데이터 처리 효율성 부족: 의료 기관에서 생성되는 데이터 양은 방대하지만 효과적인 분석 및 통찰력이 부족하여 데이터를 가치로 전환하는 효율적인 처리 및 분석이 큰 과제임.
- 진단 정확성과 속도 요구 증가: GAI 및 AI 훈련과 추론 수요 증가, AI/ML 기술과 생성형 AI 대규모 언어 모델은 의료 산업에 데이터 분석, 진단부터 맞춤형 건강 관리까지 전방위적 지원을 제공하며, 고속 처리 요구를 충족시키기 위한 고성능 인프라가 필요하다.
- 크로스 시스템 통합 및 협업: 엔드포인트에서의 데이터베이스 처리 보호와 개인정보 보안, 그리고 통합된 AI 인프라 자원 스케줄링 및 관리 플랫폼 부재.
- 자원 및 비용 제약: 의료 분야 AI 적용에는 고성능 하드웨어와 유연한 아키텍처가 필요하나, 높은 비용과 제한된 인적 자원이 솔루션 배포에 도전 과제로 작용합니다.
- 원격의료 도입 어려움: 실시간 의료 서비스에 효과적인 진단 도구와 기술 지원이 부족하여 원격의료가 영상 진료 수준에 머물고 있습니다.
방안소개
스마트 의료 GAI + AI 솔루션은 데이터 수집, 분석부터 적용까지 전 과정을 지원하며, 딥러닝 및 생성형 AI와 같은 강력한 AI 모델을 활용해 의료 영상, 유전자 데이터 및 임상 의사결정을 처리합니다. 최근 스마트 헬스케어 개발 사례는 지속적으로 진화하고 있습니다. 예를 들어 AI를 활용한 CT 및 MRI 영상의 신속한 분석으로 진단 정확도가 향상되었으며, AlphaFold는 유전자 데이터를 활용해 단백질 구조를 예측함으로써 질병 연구와 신약 개발에 핵심적인 지원을 제공합니다. 따라서 ‘인피니틱스 AI-Stack’ AI 기반 설계 관리 원스톱 플랫폼의 특성을 결합하면 AI 기반 스마트 헬스케어의 신속한 적용이 가능해집니다:
- 데이터 프라이버시 및 보안: 테넌트 데이터 격리 및 암호화, HTTPS 암호화를 통한 데이터 전송 기밀성 보장, 역할 기반 접근 제어(RBAC)를 통한 데이터 접근 제한. 모든 개발 데이터는 AES-256 암호화로 저장 보호. 개발 및 운영 환경에 물리적·논리적 격리 구현, 컨테이너화 기술(예: Docker) 활용으로 데이터 보안성과 시스템 안정성의 포괄적 보장.
- 고효율 GPU 자원 관리: AI-Stack의 GPU 분할 및 통합 기술을 활용하여 단일 GPU로 다중 작업 실행을 지원함으로써 자원 사용률을 대폭 향상시킵니다(30%에서 90%로 증가).
- 분산형 고성능 컴퓨팅: 분산 훈련을 지원하여 훈련 데이터를 다중 노드에 배분해 병렬 처리함으로써 AI 모델 훈련 시간을 단축합니다.
- 신속한 배포 및 관리: 개발자 친화적인 코드 없는 운영 인터페이스를 제공하여 개발 환경 구축 시간을 수주에서 1분으로 단축합니다.
- 멀티클라우드 및 엣지 지원: 멀티클라우드 플랫폼 관리를 통합하여 클라우드에서 엣지까지의 AI 애플리케이션 시나리오를 지원하며, 특히 원격 의료 및 실시간 진단 요구에 적합합니다.
- 감사 및 규정 준수 검증: 정기적으로 제3자 규정 준수 테스트 및 침투 테스트를 수행합니다.
방안 가치
- 진단 효율성과 정확성 향상:
- AI-Stack의 고성능 컴퓨팅 플랫폼을 활용하여 실시간 의료 영상 분석을 구현하고 진단 정확성을 높입니다.
- AlphaFold와 같은 대규모 딥러닝 기반 유전자 분석 애플리케이션 및 컴퓨팅 요구사항을 충족시켜 맞춤형 의약품 개발을 지원합니다.
- 자원 낭비 및 비용 절감:
- GPU 자원 분할 기술을 통해 보다 효율적인 다중 작업 처리가 가능해져 컴퓨팅 비용을 절감하고 작업 자원 활용률을 10배 이상 향상시킵니다.
- 컴퓨팅 에너지 효율을 90% 향상으로 하드웨어 및 에너지 비용을 효과적으로 절감합니다.
- AI 애플리케이션 신속한 도입 가속화:
- AI 모델 및 애플리케이션 환경을 신속하게 구성하여 의료 기관의 AI 전환 주기를 단축합니다.
- MLOps 기능을 제공하여 모델 훈련부터 추론까지 전 과정을 지원함으로써 의료 현장의 AI 배포를 가속합니다.
- 효율적인 협업 및 통합 관리:
- 데이터 센터와 멀티 클라우드 플랫폼을 통합하여 의료 데이터의 원활한 협업과 공유를 실현합니다.
- 운영자의 관리 효율성을 최적화하며, 여기에는 자원 할당, 상태 모니터링 및 회계 분석이 포함됩니다.
솔루션 아키텍처 표
| 아키텍처 계층 | 설명 | 예시 |
| 애플리케이션 계층 | 실용화 원격의료, 의학 영상 진단, 유전자 분석 및 맞춤형 의료 애플리케이션 시나리오 및 데이터 흐름. | 가상 어시스턴트, 병리 진단, 의료 검색, 의료 영상, 신약 개발, 의료 로봇, 스마트 건강 관리, 원격 의료 |
| 기술 계층 | AI-Stack 플랫폼 모델 훈련 자동화 스케줄링 및 배포 애플리케이션 | 음성 또는 의미 인식, 영상 인식, 인간-기계 상호작용, 의료 빅데이터, 딥러닝 |
| 개발 계층 | AI-Stack 플랫폼 개발자에게 개발 도구 및 인공지능 생태계 리소스를 제공하여 소프트웨어 개발 프로세스 협업을 간소화하고, 다양한 이미지 및 개발 컨테이너 환경과 호환됩니다. | 오픈소스 소프트웨어(Open source software), 대규모 언어 모델(LLM), AI 생태계 |
| 인프라 | AI-Stack 플랫폼 GPU 관리 제어 및 컴퓨팅 파워 스케줄링, HPC 분산 컴퓨팅 스케줄링 기술로 다중 노드 고성능 훈련 지원; 자원 모니터링, 권한 관리 기능 제공. | 병원 내 시스템, 스마트 의료 장비, 의료 데이터베이스, 온프레미스 서버, AI 칩, GPU |
