루닛, 의료 특화 모델 러닝유닛 2.0 개발 완료

루닛은 11월 6일 과학기술정보통신부의 ‘인공지능 특화 파운데이션 모델’ 프로젝트를 완료하고, 의료 특화 모델 러닝유닛 2.0(LearningUnit 2.0)의 개발을 마쳤다고 밝혔습니다. 모델은 총 300억 파라미터 가운데 50억 파라미터를 활성화하는 경량 구조이며, 개발 결과물은 허깅 페이스에 오픈소스로 공개됐습니다. 루닛은 지난해 10월 국가 전략사업 주관기관으로 선정된 뒤 약 10개월 동안 산·학·연·병 23개 기관 컨소시엄을 이끌어 모델 개발과 의료 현장 실증을 진행했습니다.

러닝유닛 2.0은 의료 질문에 답하는 챗봇을 넘어 의료 업무의 흐름을 이해하고 단계별 지원을 제공하도록 설계됐습니다. 에이전트 구조를 바탕으로 데이터를 분석하고 판단 근거를 제시하며 후속 업무까지 연결합니다. 개발 과정에서 임상 의사결정 지원, 응급실 환자 분류와 초기 판단, 다학제 진료 지원, 이상 약물반응의 인과성 평가, 보험 심사·청구를 주요 적용 영역으로 다뤘습니다.

루닛은 약 6개월 동안 국민건강보험 일산병원, 건양대학교병원, 고려대학교 의료원 등을 포함한 전국 9개 의료기관에서 실제 현장 데이터를 활용해 실증했습니다. 고난도 다학제 진료에서 AI가 제안한 치료 방침의 86.2%가 임상적으로 타당하다고 평가됐습니다. 응급실 중증도 분류(KTAS)와 약물이상반응 인과성 판정(ADR)은 전문의 판단과 한 단계 이내로 일치한 비율이 각각 98%였고, 보험 심사·청구 답변의 85.6%가 실무에서 사용할 수 있는 수준으로 평가됐습니다.

의료 지식 추론, 인용 사실성, 의료 대화 안정성 등 공인 벤치마크 모든 항목에서 목표 성능을 달성했으며, 결과는 제3자 검증을 거쳤습니다. 프로젝트 성과지표 밖의 항목도 포함한 17개 벤치마크 전체에서 글로벌 빅테크 프런티어 모델과 견줄 만한 평균 정확도를 기록했습니다. 300억 파라미터 러닝유닛 2.0은 1,200억 파라미터 오픈소스 모델 GPT-OSS보다 정확도가 높았고, 수백 배 더 큰 것으로 추정되는 GPT 5.2와도 유사한 수준을 보였습니다. 루닛 서범석 대표는 이 모델이 특정 질환이나 단일 기능이 아닌 병원의 일상 업무 전반을 지원하는 인프라라며, 국내 의료 현장에서 성능을 확인한 만큼 의료진과 환자에게 도움이 되는 기술로 발전시키겠다고 말했습니다.

2026년 11월 6일 공개 보도자료 기준입니다. 이는 기사 등록일이며, 프로젝트 완료 발표일은 기사에서 6일이라고만 밝혔습니다. 이런 설명을 할 때 AI가 제안한 치료 방침이나 분류 결과가 의료진 판단을 대체한다고 기사에서 밝히지는 않았습니다. 해당 성과는 실제 현장 데이터 실증과 벤치마크 평가 수치로 제시됐습니다. 다만 기사에는 실증 데이터의 규모나 평가 방법의 세부 내용은 나오지 않았습니다. 루닛은 모델 개발 결과물을 공개했고, 서범석 대표는 병원 업무 전반을 지원하는 인프라로 발전시키겠다고 밝혔습니다. 의료기관 실증에서 보고된 수치는 다학제 진료 86.2%, KTAS·ADR 일치율 각각 98%, 보험 심사·청구 85.6%입니다.

루닛은 11월 6일 과학기술정보통신부의 ‘인공지능 특화 파운데이션 모델’ 프로젝트를 완료하고, 의료 특화 모델 러닝유닛 2.0(LearningUnit 2.0)의 개발을 마쳤다고 밝혔습니다. 모델은 총 300억 파라미터 가운데 50억 파라미터를 활성화하는 경량 구조이며, 개발 결과물은 허깅 페이스에 오픈소스로 공개됐습니다. 루닛은 지난해 10월 국가 전략사업 주관기관으로 선정된 뒤 약 10개월 동안 산·학·연·병 23개 기관 컨소시엄을 이끌어 모델 개발과 의료 현장 실증을 진행했습니다.

러닝유닛 2.0은 의료 질문에 답하는 챗봇을 넘어 의료 업무의 흐름을 이해하고 단계별 지원을 제공하도록 설계됐습니다. 에이전트 구조를 바탕으로 데이터를 분석하고 판단 근거를 제시하며 후속 업무까지 연결합니다. 개발 과정에서 임상 의사결정 지원, 응급실 환자 분류와 초기 판단, 다학제 진료 지원, 이상 약물반응의 인과성 평가, 보험 심사·청구를 주요 적용 영역으로 다뤘습니다.

루닛은 약 6개월 동안 국민건강보험 일산병원, 건양대학교병원, 고려대학교 의료원 등을 포함한 전국 9개 의료기관에서 실제 현장 데이터를 활용해 실증했습니다. 고난도 다학제 진료에서 AI가 제안한 치료 방침의 86.2%가 임상적으로 타당하다고 평가됐습니다. 응급실 중증도 분류(KTAS)와 약물이상반응 인과성 판정(ADR)은 전문의 판단과 한 단계 이내로 일치한 비율이 각각 98%였고, 보험 심사·청구 답변의 85.6%가 실무에서 사용할 수 있는 수준으로 평가됐습니다.

의료 지식 추론, 인용 사실성, 의료 대화 안정성 등 공인 벤치마크 모든 항목에서 목표 성능을 달성했으며, 결과는 제3자 검증을 거쳤습니다. 프로젝트 성과지표 밖의 항목도 포함한 17개 벤치마크 전체에서 글로벌 빅테크 프런티어 모델과 견줄 만한 평균 정확도를 기록했습니다. 300억 파라미터 러닝유닛 2.0은 1,200억 파라미터 오픈소스 모델 GPT-OSS보다 정확도가 높았고, 수백 배 더 큰 것으로 추정되는 GPT 5.2와도 유사한 수준을 보였습니다. 루닛 서범석 대표는 이 모델이 특정 질환이나 단일 기능이 아닌 병원의 일상 업무 전반을 지원하는 인프라라며, 국내 의료 현장에서 성능을 확인한 만큼 의료진과 환자에게 도움이 되는 기술로 발전시키겠다고 말했습니다.

2026년 11월 6일 공개 보도자료 기준입니다. 이는 기사 등록일이며, 프로젝트 완료 발표일은 기사에서 6일이라고만 밝혔습니다. 이런 설명을 할 때 AI가 제안한 치료 방침이나 분류 결과가 의료진 판단을 대체한다고 기사에서 밝히지는 않았습니다. 해당 성과는 실제 현장 데이터 실증과 벤치마크 평가 수치로 제시됐습니다. 다만 기사에는 실증 데이터의 규모나 평가 방법의 세부 내용은 나오지 않았습니다. 루닛은 모델 개발 결과물을 공개했고, 서범석 대표는 병원 업무 전반을 지원하는 인프라로 발전시키겠다고 밝혔습니다. 의료기관 실증에서 보고된 수치는 다학제 진료 86.2%, KTAS·ADR 일치율 각각 98%, 보험 심사·청구 85.6%입니다.