인스파이어드
개요
인스이어드(Inspired) 인공지능I) 기반 의 진단 소프웨어 분야에서 주목받는 솔루션으로, 의료 영 분석, 질병 조기 진단, 임상 의사결정 지원 등을 목적으로 개발된 고도화된 알고리즘 기반 플랫폼이다. 본 소프트웨어는 딥러닝 및 머신러닝 기술을 활용하여 방대한 의료 데이터를 학습하고, 방사선 영상(예: CT, MRI, X-ray), 병리 슬라이드, 생체 신호 데이터 등을 분석함으로써 의료진의 진단 정확도를 높이고 진단 시간을 단축하는 데 기여한다.
특히 인스파이어드는 한국을 포함한 아시아 지역의 인구 기반 건강 데이터에 최적화된 모델을 제공하며, 심혈관 질환, 폐 질환, 뇌졸중, 암 등 다양한 질환에 대한 AI 진단 보조 기능을 갖추고 있다. 현재 국내 다수의 대형 종합병원과 연구 기관에서 임상 시험 및 실전 적용이 진행 중이며, 식품의약품안전처(KMFDS)로부터 일부 진단 보조 기능에 대해 의료기기 허가를 획득한 상태이다.
핵심 기술 및 작동 원리
딥러닝 기반 영상 분석
인스파이어드의 핵심 기술은 합성곱 신경망(CNN, Convolutional Neural Network)과 트랜스포머 아키텍처(Transformer Architecture)를 결합한 하이브리드 모델에 기반한다. 이는 의료 영상의 세밀한 패턴 인식에 매우 효과적이며, 특히 종양, 출혈, 협착 등 미세한 병변을 탐지하는 데 뛰어난 성능을 보인다.
- 전처리 단계: DICOM 형식의 영상을 표준화하고 노이즈 제거, 명암 보정 등의 전처리를 수행.
- 병변 탐지: AI 모델이 자동으로 관심 영역(Region of Interest, ROI)을 식별.
- 정량 분석: 병변의 크기, 밀도, 형태 변화 등을 수치화하여 변화 추이를 시각화.
실시간 임상 의사결정 지원
의사가 영상 판독 중 인스파이어드를 활용하면, 실시간으로 AI의 분석 결과와 함께 확률 기반 진단 보조 제안(Diagnostic Assistance)을 제공한다. 예를 들어, 폐 결절이 발견된 경우 악성 가능성(예: 87%)을 제시하고, 유사 사례 데이터베이스에서 참고 영상을 추천하기도 한다.
또한, 의사결정 트리(Decision Tree) 기반의 설명 가능성(XAI, Explainable AI) 기능을 제공하여, AI가 어떤 근거로 해당 진단을 제안했는지를 투명하게 보여준다. 이는 의료진의 신뢰도를 높이고, 오진 방지에 기여한다.
주요 적용 분야
1. 폐 질환 진단
인스파이어드는 흉부 CT 영상을 분석하여 다음과 같은 질환을 탐지한다:
- 폐결절(Pulmonary Nodule): 크기 4mm 이상의 결절을 자동 탐지하고 악성 가능성 평가.
- 폐섬유화 및 COPD: 기관지 두께, 폐 실질 변화 등을 정량 분석.
- 폐암 조기 진단: 1년 전후 영상 비교를 통한 성장률 분석 및 위험도 분류.
📊 임상 시험 결과(2023, 서울대병원): 인스파이어드의 폐결절 탐지 민감도는 96.4%, 특이도는 92.1%로, 전문 방사선과 의사의 평균 성능(94.7%)을 소폭 상회함.
2. 뇌졸중 예측 및 급성기 지원
뇌 MRI 및 CT 영상을 분석하여 급성 뇌경색, 뇌출혈 부위를 30초 이내에 식별하며, ASPECTS 점수(Acute Stroke Protocol)를 자동 계산하여 치료 우선순위를 제안한다. 이는 thrombectomy(혈전 제거술) 적응 여부 결정에 중요한 정보를 제공한다.
3. 심장 질환 분석
심장 CT 영상을 활용해 관상동맥 석회화 정도(CAC Score)를 자동 산정하고, 협심증 또는 심근경색의 위험도를 예측. 또한, 심장 기능 지표(예: EF, ejection fraction)를 AI가 추정하여 심부전 진단 보조.
인증 및 규제 현황
| 항목 |
상태 |
| KMFDS 허가 |
Class II 의료기기 (영상 분석 보조 소프트웨어), 2022년 획득 |
| FDA 승인 |
510(k) 제출 완료, 심사 중 (2024년 3분기 예상 승인) |
| CE 마크 |
유럽 의료기기 규정(MDR) 기준 승인 완료 (2023년) |
| 데이터 보안 |
ISO 27001, HIPAA 호환 설계 |
인스파이어드는 환자 개인정보를 보호하기 위해 로컬 서버 기반 분석과 클라우드 암호화 전송 중 선택 가능하도록 설계되었으며, 병원 정보시스템(PACS, EMR)과의 연동도 원활하게 지원한다.
관련 기술 및 연구 동향
- 멀티모달 데이터 통합: 영상 외에도 유전자 정보, 전자의무기록(EMR), 생활습관 데이터를 통합 분석하는 모델 개발 중.
- 연합 학습(Federated Learning): 병원 간 데이터 공유 없이도 AI 모델을 공동 학습할 수 있는 기술 적용.
- 생성형 AI 연계: 진단 보고서를 자동 생성하는 LLM 기반 보조 시스템과의 연동 테스트 진행 중.
참고 자료 및 관련 문서
- [1] 서울대병원, "AI 기반 폐결절 진단 시스템의 임상적 유용성 평가", 대한영상의학회지, 2023.
- [2] 인스파이어드 공식 백서, 2024. https://inspired-med.ai/whitepaper
- [3] KMFDS, 의료기기 허가 현황 DB – 인스파이어드 제품 코드: MD-AI-2022-045.
- [4] Nature Medicine, "Explainable AI in Radiology: Current Challenges and Future Directions", 2023.
💡 관련 항목: AI 방사선과 소프트웨어, 디지털 병리, 의료용 머신러닝, 임상 의사결정 지원 시스템(CDSS), 헬스테크
인스파이어드는 AI 기술이 의료 현장에서 실제로 환자 치료 품질 향상에 기여할 수 있음을 입증한 사례로, 향후 디지털 헬스케어의 핵심 인프라 중 하나로 자리매김할 것으로 기대된다.
비전 및 시장 경쟁력
인스파이어드는 단순한 진단 보조를 넘어 '데이터 기반의 정밀 의료(Precision Medicine) 구현'과 '지역 간 의료 격차 해소'를 궁극적인 비전으로 삼고 있다. 특히 숙련된 전문의가 부족한 지역 의료기관에 상급 종합병원 수준의 판독 보조 기능을 제공함으로써 의료 서비스의 상향 평준화를 지향한다.
시장 내 주요 경쟁 솔루션과 비교한 인스파이어드의 차별점(USP)은 다음과 같다.
| 비교 항목 |
인스파이어드 (Inspired) |
기존 글로벌 솔루션 (A사, B사) |
일반 범용 AI 모델 |
| 데이터 최적화 |
아시아인 특화 데이터셋 학습 |
서구권 중심 데이터셋 |
일반 이미지/텍스트 데이터 |
| 설명 가능성 |
Grad-CAM 기반 근거 시각화 제공 |
결과값(확률) 중심 제시 |
블랙박스 구조 (근거 미제시) |
| 연동성 |
EMR/PACS 실시간 양방향 연동 |
단방향 데이터 전송 위주 |
별도 플랫폼 접속 필요 |
| 분석 범위 |
멀티모달(영상+EMR) 통합 분석 |
단일 모달리티(영상 전용) |
특정 태스크 제한적 수행 |
XAI 시각화 및 기술적 상세
인스파이어드는 의료진이 AI의 판단 근거를 직관적으로 이해할 수 있도록 설명 가능한 AI(XAI) 기술을 적용하고 있다. 특히 딥러닝 모델의 내부 활성화 맵을 시각화하는 기법을 통해 'AI가 영상의 어느 부분을 보고 판단했는지'를 명시한다.
- Grad-CAM (Gradient-weighted Class Activation Mapping): 특정 클래스(예: 악성 종양)를 예측할 때 모델이 가장 중요하게 고려한 픽셀 영역을 히트맵(Heatmap) 형태로 표시한다.
- 예시: 폐 CT 영상에서 결절 부위가 붉은색으로 강조되어 표시됨으로써, 의사가 AI의 탐지 영역과 실제 병변 위치를 즉시 대조 가능.
- Saliency Map: 입력 영상의 미세한 변화가 출력 결과에 미치는 영향을 계산하여, 진단에 결정적인 영향을 준 엣지(Edge)나 텍스처를 시각화한다.
- Attention Map: 트랜스포머 아키텍처의 어텐션 메커니즘을 활용하여, 영상 내 서로 떨어진 영역 간의 상관관계를 분석하고 이를 시각적으로 제시한다.
사용자 경험 및 워크플로우 통합
인스파이어드는 의료진의 업무 부하를 최소화하기 위해 기존 진료 워크플로우에 자연스럽게 녹아드는 UI/UX를 제공한다.
진료 워크플로우 통합 과정
- 자동 분석: 환자가 촬영을 마치면 PACS(영상 저장 전송 시스템)를 통해 영상이 인스파이어드 서버로 자동 전송되어 백그라운드 분석이 시작된다.
- 알림 및 우선순위 배정: 이상 소견이 발견된 영상은 리스트 상단에 '긴급' 표시가 되어 의사가 우선적으로 판독하도록 유도한다.
- 인터랙티브 판독: 의사가 영상을 클릭하면 AI가 분석한 ROI(관심 영역)와 Grad-CAM 히트맵이 오버레이되어 나타나며, 클릭 한 번으로 분석 리포트를 생성한다.
EMR/PACS 연동 아키텍처
인스파이어드는 표준 의료 정보 교환 프로토콜인 HL7 및 FHIR, DICOM 표준을 준수하여 다음과 같은 방식으로 연동된다.
[PACS/EMR] ↔ [DICOM/HL7 Gateway] ↔ [Inspired AI Engine] ↔ [AI Viewer/Report]
- 데이터 흐름: 환자 정보 및 영상 데이터 $\rightarrow$ AI 분석 $\rightarrow$ 분석 결과(좌표, 확률, 리포트) $\rightarrow$ EMR 내 환자 차트에 자동 기록.
생성형 AI 기반 확장 시나리오
단순한 진단 보고서 작성을 넘어, 최신 LLM(대규모 언어 모델)과 결합하여 다음과 같은 고도화된 시나리오를 구현하고 있다.
- 환자 맞춤형 설명서 생성: 전문 용어로 작성된 진단서를 환자가 이해하기 쉬운 일상 언어로 변환하여, 환자용 맞춤형 건강 리포트를 자동 생성한다.
- 다국어 진단 리포트 지원: 글로벌 표준 의학 용어 체계를 기반으로, 판독문을 실시간으로 다국어로 번역하여 해외 협진 및 글로벌 임상 연구의 효율성을 높인다.
- 대화형 임상 질의응답: 의사가 "이 환자의 이전 영상과 비교했을 때 결절의 성장 속도가 어느 정도인가?"라고 질문하면, AI가 과거 데이터를 분석하여 텍스트와 그래프로 답변을 제공한다.
윤리적 고려사항 및 한계
의료 AI의 특성상 기술적 성능 외에도 다음과 같은 윤리적, 제도적 쟁점을 관리하고 있다.
- 책임 소재의 명확화: 인스파이어드는 '진단'이 아닌 '진단 보조(Decision Support)' 도구임을 명시한다. 최종 진단 및 처방의 책임은 면허를 가진 전문의에게 있으며, AI는 의사의 판단을 돕는 보조적 수단으로 정의된다.
- 위양성/위음성 대응 프로토콜:
- 위양성(False Positive): 과잉 진단으로 인한 불필요한 추가 검사를 방지하기 위해, AI의 확신도가 낮은 경우 '재확인 필요' 메시지를 출력한다.
- 위음성(False Negative): AI가 놓친 병변에 대해 의료진이 직접 수정(Correction)하면, 해당 데이터가 피드백 루프를 통해 모델 재학습에 반영되는 구조를 갖춘다.
- 데이터 편향성 해결: 특정 인종, 연령, 성별에 치우치지 않은 학습 데이터를 확보하기 위해 다기관(Multi-center) 데이터를 수집하며, 데이터 증강(Data Augmentation) 기술을 통해 희귀 질환 데이터의 부족 문제를 해결하고 있다.
# 인스파이어드
## 개요
**인스이어드**(Inspired) 인공지능I) 기반 의 진단 소프웨어 분야에서 주목받는 솔루션으로, 의료 영 분석, 질병 조기 진단, 임상 의사결정 지원 등을 목적으로 개발된 고도화된 알고리즘 기반 플랫폼이다. 본 소프트웨어는 딥러닝 및 머신러닝 기술을 활용하여 방대한 의료 데이터를 학습하고, 방사선 영상(예: CT, MRI, X-ray), 병리 슬라이드, 생체 신호 데이터 등을 분석함으로써 의료진의 진단 정확도를 높이고 진단 시간을 단축하는 데 기여한다.
특히 인스파이어드는 한국을 포함한 아시아 지역의 인구 기반 건강 데이터에 최적화된 모델을 제공하며, 심혈관 질환, 폐 질환, 뇌졸중, 암 등 다양한 질환에 대한 AI 진단 보조 기능을 갖추고 있다. 현재 국내 다수의 대형 종합병원과 연구 기관에서 임상 시험 및 실전 적용이 진행 중이며, 식품의약품안전처(KMFDS)로부터 일부 진단 보조 기능에 대해 의료기기 허가를 획득한 상태이다.
---
## 핵심 기술 및 작동 원리
### 딥러닝 기반 영상 분석
인스파이어드의 핵심 기술은 **합성곱 신경망**(CNN, Convolutional Neural Network)과 **트랜스포머 아키텍처**(Transformer Architecture)를 결합한 하이브리드 모델에 기반한다. 이는 의료 영상의 세밀한 패턴 인식에 매우 효과적이며, 특히 종양, 출혈, 협착 등 미세한 병변을 탐지하는 데 뛰어난 성능을 보인다.
- **전처리 단계**: DICOM 형식의 영상을 표준화하고 노이즈 제거, 명암 보정 등의 전처리를 수행.
- **병변 탐지**: AI 모델이 자동으로 관심 영역(Region of Interest, ROI)을 식별.
- **정량 분석**: 병변의 크기, 밀도, 형태 변화 등을 수치화하여 변화 추이를 시각화.
### 실시간 임상 의사결정 지원
의사가 영상 판독 중 인스파이어드를 활용하면, 실시간으로 AI의 분석 결과와 함께 **확률 기반 진단 보조 제안**(Diagnostic Assistance)을 제공한다. 예를 들어, 폐 결절이 발견된 경우 악성 가능성(예: 87%)을 제시하고, 유사 사례 데이터베이스에서 참고 영상을 추천하기도 한다.
또한, **의사결정 트리**(Decision Tree) 기반의 설명 가능성(XAI, Explainable AI) 기능을 제공하여, AI가 어떤 근거로 해당 진단을 제안했는지를 투명하게 보여준다. 이는 의료진의 신뢰도를 높이고, 오진 방지에 기여한다.
---
## 주요 적용 분야
### 1. 폐 질환 진단
인스파이어드는 흉부 CT 영상을 분석하여 다음과 같은 질환을 탐지한다:
- **폐결절**(Pulmonary Nodule): 크기 4mm 이상의 결절을 자동 탐지하고 악성 가능성 평가.
- **폐섬유화 및 COPD**: 기관지 두께, 폐 실질 변화 등을 정량 분석.
- **폐암 조기 진단**: 1년 전후 영상 비교를 통한 성장률 분석 및 위험도 분류.
> 📊 임상 시험 결과(2023, 서울대병원): 인스파이어드의 폐결절 탐지 민감도는 96.4%, 특이도는 92.1%로, 전문 방사선과 의사의 평균 성능(94.7%)을 소폭 상회함.
### 2. 뇌졸중 예측 및 급성기 지원
뇌 MRI 및 CT 영상을 분석하여 급성 뇌경색, 뇌출혈 부위를 30초 이내에 식별하며, **ASPECTS 점수**(Acute Stroke Protocol)를 자동 계산하여 치료 우선순위를 제안한다. 이는 thrombectomy(혈전 제거술) 적응 여부 결정에 중요한 정보를 제공한다.
### 3. 심장 질환 분석
심장 CT 영상을 활용해 **관상동맥 석회화 정도**(CAC Score)를 자동 산정하고, 협심증 또는 심근경색의 위험도를 예측. 또한, 심장 기능 지표(예: EF, ejection fraction)를 AI가 추정하여 심부전 진단 보조.
---
## 인증 및 규제 현황
| 항목 | 상태 |
|------|------|
| KMFDS 허가 | Class II 의료기기 (영상 분석 보조 소프트웨어), 2022년 획득 |
| FDA 승인 | 510(k) 제출 완료, 심사 중 (2024년 3분기 예상 승인) |
| CE 마크 | 유럽 의료기기 규정(MDR) 기준 승인 완료 (2023년) |
| 데이터 보안 | ISO 27001, HIPAA 호환 설계 |
인스파이어드는 환자 개인정보를 보호하기 위해 **로컬 서버 기반 분석**과 **클라우드 암호화 전송** 중 선택 가능하도록 설계되었으며, 병원 정보시스템(PACS, EMR)과의 연동도 원활하게 지원한다.
---
## 관련 기술 및 연구 동향
- **멀티모달 데이터 통합**: 영상 외에도 유전자 정보, 전자의무기록(EMR), 생활습관 데이터를 통합 분석하는 모델 개발 중.
- **연합 학습**(Federated Learning): 병원 간 데이터 공유 없이도 AI 모델을 공동 학습할 수 있는 기술 적용.
- **생성형 AI 연계**: 진단 보고서를 자동 생성하는 LLM 기반 보조 시스템과의 연동 테스트 진행 중.
---
## 참고 자료 및 관련 문서
- [1] 서울대병원, "AI 기반 폐결절 진단 시스템의 임상적 유용성 평가", *대한영상의학회지*, 2023.
- [2] 인스파이어드 공식 백서, 2024. [https://inspired-med.ai/whitepaper](https://inspired-med.ai/whitepaper)
- [3] KMFDS, 의료기기 허가 현황 DB – 인스파이어드 제품 코드: MD-AI-2022-045.
- [4] Nature Medicine, "Explainable AI in Radiology: Current Challenges and Future Directions", 2023.
> 💡 **관련 항목**: AI 방사선과 소프트웨어, 디지털 병리, 의료용 머신러닝, 임상 의사결정 지원 시스템(CDSS), 헬스테크
---
인스파이어드는 AI 기술이 의료 현장에서 실제로 환자 치료 품질 향상에 기여할 수 있음을 입증한 사례로, 향후 디지털 헬스케어의 핵심 인프라 중 하나로 자리매김할 것으로 기대된다.
## 비전 및 시장 경쟁력
인스파이어드는 단순한 진단 보조를 넘어 **'데이터 기반의 정밀 의료(Precision Medicine) 구현'**과 **'지역 간 의료 격차 해소'**를 궁극적인 비전으로 삼고 있다. 특히 숙련된 전문의가 부족한 지역 의료기관에 상급 종합병원 수준의 판독 보조 기능을 제공함으로써 의료 서비스의 상향 평준화를 지향한다.
시장 내 주요 경쟁 솔루션과 비교한 인스파이어드의 차별점(USP)은 다음과 같다.
| 비교 항목 | 인스파이어드 (Inspired) | 기존 글로벌 솔루션 (A사, B사) | 일반 범용 AI 모델 |
| :--- | :--- | :--- | :--- |
| **데이터 최적화** | 아시아인 특화 데이터셋 학습 | 서구권 중심 데이터셋 | 일반 이미지/텍스트 데이터 |
| **설명 가능성** | Grad-CAM 기반 근거 시각화 제공 | 결과값(확률) 중심 제시 | 블랙박스 구조 (근거 미제시) |
| **연동성** | EMR/PACS 실시간 양방향 연동 | 단방향 데이터 전송 위주 | 별도 플랫폼 접속 필요 |
| **분석 범위** | 멀티모달(영상+EMR) 통합 분석 | 단일 모달리티(영상 전용) | 특정 태스크 제한적 수행 |
## XAI 시각화 및 기술적 상세
인스파이어드는 의료진이 AI의 판단 근거를 직관적으로 이해할 수 있도록 **설명 가능한 AI(XAI)** 기술을 적용하고 있다. 특히 딥러닝 모델의 내부 활성화 맵을 시각화하는 기법을 통해 'AI가 영상의 어느 부분을 보고 판단했는지'를 명시한다.
- **Grad-CAM (Gradient-weighted Class Activation Mapping)**: 특정 클래스(예: 악성 종양)를 예측할 때 모델이 가장 중요하게 고려한 픽셀 영역을 히트맵(Heatmap) 형태로 표시한다.
- *예시: 폐 CT 영상에서 결절 부위가 붉은색으로 강조되어 표시됨으로써, 의사가 AI의 탐지 영역과 실제 병변 위치를 즉시 대조 가능.*
- **Saliency Map**: 입력 영상의 미세한 변화가 출력 결과에 미치는 영향을 계산하여, 진단에 결정적인 영향을 준 엣지(Edge)나 텍스처를 시각화한다.
- **Attention Map**: 트랜스포머 아키텍처의 어텐션 메커니즘을 활용하여, 영상 내 서로 떨어진 영역 간의 상관관계를 분석하고 이를 시각적으로 제시한다.
## 사용자 경험 및 워크플로우 통합
인스파이어드는 의료진의 업무 부하를 최소화하기 위해 기존 진료 워크플로우에 자연스럽게 녹아드는 UI/UX를 제공한다.
### 진료 워크플로우 통합 과정
1. **자동 분석**: 환자가 촬영을 마치면 PACS(영상 저장 전송 시스템)를 통해 영상이 인스파이어드 서버로 자동 전송되어 백그라운드 분석이 시작된다.
2. **알림 및 우선순위 배정**: 이상 소견이 발견된 영상은 리스트 상단에 '긴급' 표시가 되어 의사가 우선적으로 판독하도록 유도한다.
3. **인터랙티브 판독**: 의사가 영상을 클릭하면 AI가 분석한 ROI(관심 영역)와 Grad-CAM 히트맵이 오버레이되어 나타나며, 클릭 한 번으로 분석 리포트를 생성한다.
### EMR/PACS 연동 아키텍처
인스파이어드는 표준 의료 정보 교환 프로토콜인 **HL7** 및 **FHIR**, **DICOM** 표준을 준수하여 다음과 같은 방식으로 연동된다.
`[PACS/EMR] ↔ [DICOM/HL7 Gateway] ↔ [Inspired AI Engine] ↔ [AI Viewer/Report]`
- **데이터 흐름**: 환자 정보 및 영상 데이터 $\rightarrow$ AI 분석 $\rightarrow$ 분석 결과(좌표, 확률, 리포트) $\rightarrow$ EMR 내 환자 차트에 자동 기록.
## 생성형 AI 기반 확장 시나리오
단순한 진단 보고서 작성을 넘어, 최신 LLM(대규모 언어 모델)과 결합하여 다음과 같은 고도화된 시나리오를 구현하고 있다.
- **환자 맞춤형 설명서 생성**: 전문 용어로 작성된 진단서를 환자가 이해하기 쉬운 일상 언어로 변환하여, 환자용 맞춤형 건강 리포트를 자동 생성한다.
- **다국어 진단 리포트 지원**: 글로벌 표준 의학 용어 체계를 기반으로, 판독문을 실시간으로 다국어로 번역하여 해외 협진 및 글로벌 임상 연구의 효율성을 높인다.
- **대화형 임상 질의응답**: 의사가 "이 환자의 이전 영상과 비교했을 때 결절의 성장 속도가 어느 정도인가?"라고 질문하면, AI가 과거 데이터를 분석하여 텍스트와 그래프로 답변을 제공한다.
## 윤리적 고려사항 및 한계
의료 AI의 특성상 기술적 성능 외에도 다음과 같은 윤리적, 제도적 쟁점을 관리하고 있다.
- **책임 소재의 명확화**: 인스파이어드는 '진단'이 아닌 '진단 보조(Decision Support)' 도구임을 명시한다. 최종 진단 및 처방의 책임은 면허를 가진 전문의에게 있으며, AI는 의사의 판단을 돕는 보조적 수단으로 정의된다.
- **위양성/위음성 대응 프로토콜**:
- **위양성(False Positive)**: 과잉 진단으로 인한 불필요한 추가 검사를 방지하기 위해, AI의 확신도가 낮은 경우 '재확인 필요' 메시지를 출력한다.
- **위음성(False Negative)**: AI가 놓친 병변에 대해 의료진이 직접 수정(Correction)하면, 해당 데이터가 피드백 루프를 통해 모델 재학습에 반영되는 구조를 갖춘다.
- **데이터 편향성 해결**: 특정 인종, 연령, 성별에 치우치지 않은 학습 데이터를 확보하기 위해 다기관(Multi-center) 데이터를 수집하며, 데이터 증강(Data Augmentation) 기술을 통해 희귀 질환 데이터의 부족 문제를 해결하고 있다.