의료 인공지능(AI) 전문기업 메디컬에이아이가 세계적 권위의 의료 AI 학술대회 CHIL 2025에서 심전도(ECG) 분석 AI의 정밀도와 개인화 성능을 동시에 끌어올린 신기술 연구 2편을 발표했다. 두 기술 모두 심전도와 광용적맥파(PPG) 등 생체신호를 실시간 해석하고, 개인별 맞춤 처리까지 가능하도록 설계돼 AI의 의료 현장 적용 가능성을 실질적으로 확장한 사례로 평가된다.

CHIL(Conference on Health, Inference, and Learning)은 카네기멜론대, MIT, 스탠퍼드대 등 세계 유수 연구 기관이 주도하는 의료 AI 분야의 권위 있는 학회다. 실제 환자 데이터를 바탕으로 AI 기술의 임상적 유효성과 안전성을 평가하는 연구 중심 행사로, 올해는 모든 포스터 발표가 사전 peer-review를 통과한 논문을 기반으로 진행됐다.

메디컬에이아이는 이번 행사에서 ▲딥러닝 기반 의미론적 분할 모델을 활용한 심전도 파형 구분 연구 ▲실제 의료환경에서의 테스트 시점 보정(Test-Time Calibration)을 통한 개인 맞춤형 AI 적용 연구 등 두 건의 연구 성과를 공개했다. 두 기술 모두 향후 자사 의료기기 및 디지털 헬스 솔루션에 연계해 실용화할 계획이다.

첫 번째 연구는 CNN 기반 의미론적 분할 모델을 활용해 심전도 파형의 구성 요소(P파, QRS 복합체, T파 등)를 자동 구분하는 방식이다. 회사는 이 방식이 Transformer 계열 모델보다 ECG 분할 정확도 측면에서 더 효과적인 결과를 보였다며, 이 연구가 향후 다양한 의료기기의 신호 분석 성능 개선에 기여할 수 있을 것으로 기대했다.

두 번째 연구는 실제 의료환경에서 AI가 환자별 생체신호 특성에 적응하도록 돕는 기술로, 사용 시점에 맞춰 AI 모델이 ‘맞춤 보정’되는 구조다. ECG뿐 아니라 PPG 등 다양한 생체신호에도 적용할 수 있으며, 웨어러블 기반 디지털 헬스 플랫폼으로의 확장성도 고려됐다.

단, 해당 기술은 현재 상용 제품에 적용된 사례가 없다. 이에 사측은 “연구 결과가 증명된 만큼, 향후 웨어러블 기기나 의료 현장의 실사용 제품에 적용 가능성이 크다”고 설명했다. 또한, 실제 성능 개선에 대한 정량적 수치가 제시되지 않았다는 지적에 “해당 논문은 벤치마킹을 목적으로 한 연구이기 때문에 기존 모델과의 직접 비교는 어렵다. 다만, 다양한 데이터에 적용 가능한 ‘일반화 능력’을 확보했다는 점에서 향후 FDA 등 국제 인허가에도 긍정적인 영향을 줄 수 있을 것으로 기대한다”고 밝혔다.

조용연 메디컬에이아이 상무는 “심전도 등 생체신호 AI가 실제 의료 현장에서 신뢰를 얻기 위해서는 정밀도와 개인화라는 두 축이 동시에 필요하다”며 “이번 연구는 그 두 가지 핵심을 강화한 기술”이라고 설명했다.

회사는 이번 연구를 기반으로 제품화까지 연계하기 위한 후속 연구를 이어갈 계획이다. CHIL 외에도 NeurIPS, ICML, AAAI, MLHC, ML4H 등 국내외 주요 AI 학회에 지속적으로 참가해 연구 고도화 및 실용화 기반을 강화한다는 방침이다.