AutoSCOPE란

AutoSCOPE란 무엇인가?

헨리 포드가 자동차 산업에 도입한 혁신적 조립 라인처럼, AutoSCOPE는 루닛 종양학 부서의 AI 모델 개발을 체계적이고 효율적으로 전환한다. 반복적이고 복잡한 작업을 자동화하여 AI 모델 개발 전 과정을 최적화한다.

AutoSCOPE는 데이터셋 관리, 모델 학습, Whole Slide Image(WSI) 예측까지 AI 모델 개발 전 주기를 안내하는 올인원 프레임워크다. 직관적인 웹 인터페이스로 몇 번의 클릭만으로 PoC 모델을 만들 수 있으며, 각 단계를 명확히 정의, 통합하여 효율성과 사용자 중심성을 확보한다.

필요성

의료 연구, 제약 분야에서 기존 AI 개발 방식은 느리고 복잡하다. 내부 가이드는 학습과 추론만 해도 10여 개 수작업이 필요하며, 연구원 부족으로 다중 모델 병행 개발도 어렵다. 종양학 부서 내 팀 간 지속적 커뮤니케이션은 추가 지연과 복잡성을 초래한다. AutoSCOPE는 전략적 자산으로 이 문제를 해결한다.

• 개발 주기 단축. 데이터 처리부터 WSI 추론까지 전 과정을 단순화해 시간과 단계를 대폭 축소한다.
• 제품 기회 탐색. 확장성을 통해 제약사 협업 등 종양학 연구의 새로운 제품 기회를 신속히 검증한다.
• 팀 협업 개선. 중앙 허브 역할로 회의, 업데이트 필요성을 줄여 진척을 가속화한다.
• 도메인 전문가 모델 학습. 의료 디렉터 등 AI 비전문가도 직접 모델을 학습, 검증해 임상적 타당성을 높인다.

AutoSCOPE 워크플로우 소개

단계별 예시. INCL은 루닛 클라우드 학습 플랫폼, AICP는 내부 주석 도구.

프로젝트 생성

프로젝트는 특정 제품, 장기를 설정한 후 데이터셋, 모델, 패키지 등을 통합 관리하는 기본 단위다.

이미지 주입

WSI와 메타데이터 업로드 후 검색, 필터, 정렬 기능으로 이미지 관리가 용이하다. 상세 페이지에서 파일 경로와 연관 데이터셋을 확인할 수 있다.

데이터셋 주입

세포, 조직, 장기 수준으로 주석된 패치들을 구성한다. 상세 페이지에서 패치 시각화 및 통계로 분포를 분석한다.

실험 실행

AutoML 기반 자동 하이퍼파라미터 최적화로 모델 튜닝을 자동화한다.

실험 설정

프로젝트, 데이터셋 버전, 모델 유형 선택. 사전 정의된 아키텍처와 학습 절차 제공. 필요 시 Model Zoo에서 프리트레인 모델 선택.

모니터링

실험 테이블과 상세 페이지에서 진행 상황, 결과 시각화 확인.

고급 설정

HPO, 커스텀 손실 함수 등 세부 조정 가능.

모델 보관

지표, 시각 검토 후 최적 모델을 TorchServe로 보관해 추론 용도로 즉시 활용 가능하게 한다.

패키지 생성

특정 용도를 위해 아카이브된 모델들을 묶어 패키지를 만든다. Docker 이미지로 내보내 배포 가능하다.

WSI 추론

패키지와 대상 WSI 목록을 지정해 추론을 수행한다. 병렬 인스턴스 수, 메모리 등 자원 설정 가능하다.

복잡성 해소

• 견고한 기반 모델. 다년간 연구로 축적된 고품질 모델이 일관된 출발점을 제공한다.
• 프로세스 표준화. 필수 기능을 유지하며 불필요한 복잡성을 숨기는 설계로 팀 간 커뮤니케이션 횟수를 감소시킨다.
• 고급 AutoML. 전문 지식 수준의 성능을 일관되게 달성하도록 반복 테스트, 조정했다.

성과

• 신제품 개발. 수작업 코딩, 설정을 클릭 몇 번으로 대체해 개발 시간을 단축했다.
• 불필요한 커뮤니케이션 감소. AI 연구원과 상시 논의 없이도 실험, 분석이 가능해 전체 워크플로우가 빨라졌다.
• 실사용 성능 검증. 기존 출시 모델 대비 동등 이상 성능을 더 효율적으로 달성했다.

향후 계획

• 활성 학습. 모델이 어려워하는 데이터에 집중해 학습 효율을 높인다.
• 라벨 정제. 오주석을 교정해 정확한 데이터로 모델 성능을 향상시킨다.
• Closing The Loop 프로세스. 녹색--현재 학습, 파란색--활성 학습, 빨간색--라벨 정제

반복적 라벨 정제 작업을 자동화하여 데이터 품질과 효율을 동시에 강화할 예정이다.