모두
모두콘텐츠
건강관리 앱을 기획할 때 의료 AI 설명에 ‘전문의가 검수한 데이터로 학습했다’는 문구를 넣자는 제안을 받은 적이 있습니다. 이용자에게는 안심할 만한 말이지만, 그 말만으로 무엇을 검수했고 어디까지 믿을 수 있는지는 알기 어렵습니다. 그 사이에 있는 작업이 의료데이터라벨링입니다.
의료데이터라벨링은 무엇을 붙이는 작업일까요?
라벨링은 의료 데이터에 기계가 학습할 수 있는 설명을 붙이는 일입니다. 예를 들어 흉부 엑스레이에서 특정 소견이 보이는 위치를 표시하거나, 진료 기록의 문장에 증상·검사·약물 같은 항목을 구분해 붙입니다. 피부 사진에서는 병변의 경계를 따라 영역을 표시할 수도 있습니다. AI 허브에 공개된 의료 데이터셋 설명에도 이미지의 다각형 영역 표시와 바운딩박스 같은 방식이 나옵니다.
여기서 ‘라벨’은 환자의 확정 진단과 같지 않습니다. 영상에서 의심 부위를 표시하는 일, 의무기록에 적힌 진단명을 옮기는 일, 여러 자료를 종합해 진단을 내리는 일은 서로 다릅니다. 프로젝트가 무엇을 정답으로 삼았는지에 따라 같은 영상에도 다른 라벨이 붙을 수 있습니다. 이용자가 AI의 판단을 볼 때도 먼저 확인할 것은 ‘이 도구가 어떤 질문에 답하도록 만들어졌는가’입니다.
누가 붙이고 어떻게 검수하나요?
작업은 보통 기준을 만드는 단계에서 시작합니다. ‘폐의 작은 결절을 어디까지 표시할지’, ‘판독이 불가능할 만큼 화질이 나쁘면 어떤 항목으로 분류할지’를 먼저 정해야 작업자마다 다른 답을 내는 일을 줄일 수 있습니다. 이후 데이터 수집과 가명처리, 작업자 교육, 라벨 입력, 검수, 오류 수정 순서로 진행합니다. 한국지능정보사회진흥원의 학습용 데이터 품질관리 안내도 라벨링 결과의 검수 절차와 기준 변경 절차를 다룹니다.
역할은 작업의 난도에 따라 달라집니다. 문서의 형식을 구분하거나 개인정보가 드러난 부분을 찾는 일에는 교육받은 작업자가 참여할 수 있습니다. 반면 병변 여부나 위치처럼 의학적 판단이 필요한 항목은 해당 분야 의료인의 기준 설정과 검토가 중요합니다. ‘의사가 참여했다’는 문구만으로는 부족합니다. 전체를 판독했는지, 일부 표본을 검수했는지, 의견이 엇갈린 사례를 어떻게 처리했는지가 품질에 더 직접적인 영향을 줍니다.
가령 사진 100장에 병변 표시를 한다고 가정해 보겠습니다. 두 작업자가 같은 10장을 따로 표시해 차이를 확인하고, 경계가 애매한 사례는 의료인이 다시 판단할 수 있습니다. 이 숫자는 설명을 위한 예시입니다. 실제 검수 비율은 데이터의 위험도와 사업 설계에 따라 달라집니다. 중요한 것은 오류를 발견했을 때 기준과 라벨을 함께 고칠 수 있는 절차가 있는지입니다.
환자 정보는 라벨링 과정에서 어떻게 보호하나요?
의료 데이터에는 영상 자체뿐 아니라 이름, 검사 날짜, 진료 내용처럼 개인을 알아볼 단서가 섞일 수 있습니다. 개인정보 보호법은 건강에 관한 정보를 민감정보로 다룹니다. 따라서 의료기관이나 기업이 데이터를 확보했다고 해서 모든 라벨링 작업에 자유롭게 쓸 수 있는 것은 아닙니다. 수집 목적, 처리 근거, 접근 권한, 외부 업체에 맡기는 범위를 먼저 확인해야 합니다.
과학적 연구 등을 위해 가명정보를 활용하는 길은 열려 있습니다. 개인정보보호위원회는 의료 데이터의 가명처리를 외부에 위탁할 수 있고, 민감정보도 요건에 맞는 과학적 연구를 위한 가명처리 대상이 될 수 있다고 안내합니다. 그렇다고 이름만 지우면 끝나는 것은 아닙니다. 영상에 남은 글자, 기록 속 드문 질환과 날짜의 조합, 다른 데이터와의 결합으로도 개인이 드러날 수 있습니다. 개인정보보호위원회의 비정형데이터 가명처리 기준이 영상·음성·텍스트의 처리 목적과 환경을 함께 보도록 하는 이유입니다.
서비스를 만드는 쪽이라면 누가 원본을 보고 누가 가명처리된 자료만 보는지, 작업 종료 후 자료를 어떻게 관리하는지까지 설계해야 합니다. 이용자 입장에서는 앱에 진료 기록을 연결하는 동의와 그 기록을 AI 학습에 쓰는 동의가 같은 의미인지 확인할 필요가 있습니다. 의료 마이데이터로 정보를 조회하거나 전송하는 기능이 있다고 해서 그 정보가 자동으로 AI 학습용 데이터가 되는 것은 아닙니다.
라벨이 정확하면 AI 결과도 믿어도 될까요?
좋은 라벨은 출발점입니다. 학습에 쓴 자료가 한 병원의 장비나 특정 연령대에 치우쳤다면 다른 환경에서 성능이 달라질 수 있습니다. 검수자가 서로 잘 일치하더라도 애초에 표시 기준이 실제 진료에서 필요한 판단과 다르면 제품의 유용성을 보장하지 못합니다. 학습 데이터의 품질과 실제 사용 환경에서의 성능 평가는 따로 봐야 합니다.
건강관리 앱의 위험 알림과 의료기기의 진단 보조 기능도 같은 무게로 받아들이기 어렵습니다. 앱 화면에서 ‘AI가 이상을 발견했다’고 할 때는 무엇을 분석했는지, 어떤 상황에서 쓰도록 만든 기능인지, 의료기기로 허가·인증·신고된 제품이라면 그 사용 목적이 무엇인지 살펴야 합니다. 화면에 나온 점수나 표시 영역만으로 치료를 시작하거나 약을 바꾸는 판단을 내릴 수는 없습니다.
특히 흉통, 호흡곤란, 의식 변화처럼 즉시 평가가 필요한 증상이 있다면 앱 결과를 기다릴 이유가 없습니다. AI가 ‘정상’이라고 표시해도 증상이 계속되거나 악화되면 대면 진료가 필요합니다. 제가 서비스 설명을 쓸 때 라벨링의 양보다 먼저 묻는 것도 이것입니다. 그 데이터가 어떤 판단을 가르쳤고, 제품은 그 판단을 어디까지 사용자에게 약속하는가. 그 경계가 분명해야 기술도 신뢰를 얻습니다.
