<의료IT공학과 민세동 교수>

과학기술정보통신부 「인공지능혁신인재양성사업」에 선정된 의료IT공학과 민세동 교수. 생활 속 건강데이터와 병원의 임상데이터를 AI로 연결하는 의료 AX 연구를 통해 실전형 융합인재를 양성하고, 지역완결형 의료 AX 생태계를 구축해 나가는 민세동 교수의 연구 이야기와 비전을 들어봤다.

Q. 과학기술정보통신부 「인공지능혁신인재양성사업」 선정을 진심으로 축하드립니다. 이번 사업에서 추진하고자 하는 핵심 목표와 주요 내용을 소개해 주시고, 사업을 통해 어떤 AX 융합인재를 양성하고자 하시는지, 향후 우리 대학과 지역 산업에 어떤 파급효과를 기대하시는지 말씀 부탁드립니다.

A: 감사합니다. 이번 사업의 핵심 목표는 국가 AI 풀스택을 의료분야에서 구현할 수 있는 실전형 석·박사급 융합인재를 양성하는 것입니다. 우리대학교는 이를 위해 소프트웨어융합학과, AI의료융합학과, 씨어스테크놀로지, 동은정보기술, 서울·부천·천안·구미 4개 부속병원을 하나의 교육·연구·실증체계로 연결했습니다.

저희가 제안한 교육모델은 ‘Life to Clinic CIRCLE-AX’입니다. 생활 속 웨어러블·모바일·IoMT에서 생성되는 데이터가 병원의 임상데이터와 연결되고, AI 모델이 실제 진료지원과 환자관리, 기업의 제품과 서비스로 발전하는 전 과정을 학생들이 경험하도록 하는 것입니다. 교육과정은 AI Core를 기반으로 지능형 IoMT·의료데이터 인프라 AX, Agentic AI 기반 정밀의료·디지털헬스 AX, Life to Clinic 산학병 공동교과 등으로 구성됩니다.

CIRCLE-AX 인재는 생활과 임상의 연속체를 이해하고, 지능형 AI를 설계하며 의료데이터를 책임 있게 활용할 수 있어야 합니다. 동시에 임상현장에서 검증 가능한 솔루션을 구현하고 대학·기업·병원과 협력해 연구성과를 제품과 서비스로 전환할 수 있어야 합니다. AI 모델의 성능만 높이는 연구자가 아니라 의료현장의 문제를 발견하고 해결해 실질적인 가치를 만들어 내는 연구자를 양성하고자 합니다.

2027년부터 3년간 40명씩, 이후 2년간 45명씩 총 210명의 신입생을 모집할 계획입니다. 210명은 학위 배출인원이 아니라 5년간의 모집 목표이며, 학위 배출은 석사는 2029년 2월부터, 박사는 교육기간을 고려해 2030년 이후부터 순차적으로 이루어질 예정입니다.

이번 사업은 우리 대학의 AI·의료 특성화 역량을 한 단계 높이는 계기가 될 것입니다. 아산에서는 교육과 연구, AI 컴퓨팅 인프라를 강화하고, 천안병원을 중심으로 임상실증을 수행하며 그 성과를 충남과 충청권의 기업·의료기관으로 확산할 계획입니다. 이를 통해 의료 AX 인재가 지역에서 공부하고 기업과 병원의 문제를 해결하며, 취업·창업과 기술사업화로 이어지는 지역완결형 의료 AX 생태계를 구축하고자 합니다.

A: 제가 주목하는 의료·헬스케어 AX의 가장 큰 변화는 ‘한 시점의 측정과 진단’에서 ‘연속적인 상태 이해와 사전예측’으로 전환되고 있다는 점입니다. 과거에는 병원에 방문했을 때 측정한 검사결과를 중심으로 환자의 상태를 판단했다면, 앞으로는 웨어러블 센서, 생체신호, 수면·활동·행동정보와 생활환경 데이터를 지속적으로 분석해 건강상태의 작은 변화를 조기에 발견하게 될 것입니다.

두 번째 변화는 집단 평균 중심의 AI에서 개인기준선 중심의 AI로의 전환입니다. 같은 심박수나 활동량 변화도 개인의 평소 상태와 질환, 복약, 수면과 생활환경에 따라 의미가 달라질 수 있습니다. 따라서 개인별 정상범위를 학습하고 평소와 다른 상태변화를 조기에 탐지하며, 그 원인과 필요한 조치를 설명할 수 있는 개인화 AI가 중요합니다.

세 번째는 예측만 하는 AI에서 계획하고 행동하며 결과를 다시 학습하는 Agentic AI로의 발전입니다. 앞으로의 의료 AI는 단순히 위험도를 제시하는 데 그치지 않고 환자의 상태와 임상지침, 의료진의 판단을 종합해 필요한 검사나 관리방법을 제안하고 개입 결과를 다시 분석하는 방향으로 발전할 것입니다. 다만 의료분야에서는 AI의 자율성만큼 안전성, 설명가능성, 개인정보 보호와 의료진의 최종 판단이 중요합니다.

앞으로 저는 생활권의 연속적인 건강데이터와 병원의 임상데이터 사이에 존재하는 단절을 해결하고 싶습니다. 웨어러블·모바일 데이터와 EMR, 의료영상, 검사결과를 결합해 질환 악화나 재입원 위험을 조기에 예측하고, 환자별로 적절한 관리와 중재를 제공하는 연구를 추진하고자 합니다.

궁극적으로 중요한 것은 높은 정확도의 모델을 만드는 것만이 아닙니다. AI가 실제 의료진의 업무흐름에 적용되고 환자에게 도움이 되며, 반복적인 임상검증을 통해 신뢰를 얻어야 합니다. 저는 생활에서 생성된 데이터가 임상적 가치로 이어지고, 다시 환자의 건강관리로 환류되는 의료 AX의 순환구조를 구현하는 연구를 계속하고 싶습니다.

Q.교수님께서는 BK21사업에 이어 이번 인공지능혁신인재양성사업까지 대규모 인재양성사업을 연이어 이끌고 계십니다. 우수한 연구성과를 창출하는 것과 함께 후속세대 연구자를 발굴하고 성장시키는 것 역시 연구자의 중요한 역할이라고 생각합니다. 교수님께서 학생들을 지도하면서 가장 중요하게 생각하시는 원칙은 무엇이며, 학생들이 앞으로 어떤 연구자로 성장하기를 기대하시는지 궁금합니다.

A: 제가 학생들을 지도할 때 가장 중요하게 생각하는 것은 ‘실패를 통해 계속 발전하는 연구자’로 성장하도록 돕는 것입니다. 연구는 처음 세운 가설이나 계획대로만 진행되지 않습니다. 실험이 예상과 다른 결과를 보이기도 하고, 논문이나 연구과제가 좋은 평가를 받지 못할 수도 있습니다. 그러나 실패 자체보다 더 중요한 것은 그 과정에서 무엇이 부족했는지 정확히 파악하고, 다음 도전에서 무엇을 개선할 것인가를 배우는 태도라고 생각합니다.

저 역시 이번 인공지능혁신인재양성사업에 선정되기까지 여러 차례 도전했고, 그 과정에서 실패도 경험했습니다. 기대했던 결과를 얻지 못했을 때 단순히 아쉬워하는 데 그치지 않고, 연구와 교육계획에서 부족했던 점이 무엇인지, 대학·병원·기업의 협력구조가 실제로 작동할 수 있도록 설계되었는지를 계속 되짚어보았습니다. 실패할 때마다 부족한 부분을 보완하고 계획을 구체화했으며, 이러한 학습과 개선의 축적이 결국 이번 선정이라는 좋은 결과로 이어졌다고 생각합니다.

이러한 경험을 학생들에게도 전하고 싶습니다. 학생들이 실패를 자신의 능력 부족으로만 받아들이거나 도전을 포기하는 이유로 삼지 않았으면 합니다. 실패한 실험과 탈락한 논문, 기대에 미치지 못한 프로젝트에도 반드시 배울 점이 있습니다. 왜 실패했는지를 객관적으로 돌아보고 다른 사람의 의견을 경청하며, 다음 시도에서 한 가지라도 개선한다면 실패는 연구자의 성장을 위한 중요한 자산이 될 수 있습니다.

따라서 학생 지도에서도 정답을 바로 알려주기보다는 스스로 문제를 정의하고, 시도하고, 결과를 검토한 뒤 다시 개선하도록 지도하고자 합니다. 성과만 평가하기보다 도전 과정에서 무엇을 배웠는지, 실패의 원인을 얼마나 정확히 분석했는지, 그 경험을 다음 연구에 어떻게 반영했는지를 함께 살펴보겠습니다. 또한 서로의 부족함과 차이를 인정하고 동료의 실패를 비난하기보다 함께 해결책을 찾는 연구실 문화를 만들어가고 싶습니다.

궁극적으로 학생들이 한 번의 성공이나 실패에 흔들리지 않고, 끊임없이 질문하고 도전하며 발전하는 연구자가 되기를 바랍니다. 자신의 전문성을 갖추는 것은 물론 의료진·기업·다른 분야의 연구자와 소통하고 사회적 책임까지 생각할 수 있는 연구자로 성장했으면 합니다. 실패를 두려워하지 않고, 실패에서 배운 것을 다음 도전의 힘으로 바꿀 수 있는 연구자야말로 빠르게 변화하는 의료 AX 시대에 가장 필요한 인재라고 생각합니다.