Bringing foundational models to the front lines of TB screening

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Google Research는 결핵 선별 AI의 임상 검증과 Nexus AI의 현장 배치를 바탕으로, MedGemma·MedSigLIP 같은 공개 모델과 HeAR 음향 연구를 통해 진단 접근성 확대를 추진하고 있다.

📌 핵심 요약

• 결핵은 예방과 치료가 가능하지만 매년 약 123만 명의 생명을 앗아가며, 고부담 지역의 영상의학 전문의와 영상 장비 부족으로 수백만 건의 활동성 결핵이 발견되지 않는다. Google Research와 Google for Health는 흉부 X선 기반 AI 연구를 임상 검증, 현장 도입, 공개 기반 모델로 발전시켜 왔다.
• Google은 2019년 숙련된 영상의학 전문의에 필적하는 결핵 탐지 성능을 보고했고, 2021년 독립 평가와 2024년 전향적 다기관 검증으로 근거를 확장했다. Nexus AI는 이를 임상 도구로 구현해 CE MDR Class IIb 인증과 ISO 13485 인증을 획득했으며, WHO 사전적격성평가(WHO PQ)와 미국 FDA 허가는 추진 중이다.
• Nexus AI의 도구는 남아프리카공화국·시에라리온·코트디부아르에서 운영되고 콩고민주공화국·잠비아·카메룬으로 확장 중이며, 약 40개 의료시설에서 90명 이상의 임상의가 흉부 X선 25,000건 이상을 평가했다. 처리 시간은 수주에서 45초 미만으로 줄었고 최종 임상 판단은 의료진이 담당한다. Mponeng Gold Mine에서는 지하 4km에서 오프라인 AI로 선별하고 결핵 의심자를 확진 분자검사로 연계한다.
• HAI-DEF는 흉부 X선 임베딩과 MedSigLIP을 공개했으며, 공개 가중치 모델군 MedGemma는 4B·27B 구성, 영상과 임상 이력을 결합하는 추론, 인터넷 없는 로컬 실행을 제공한다. MedGemma 다운로드는 1,000만 회를 넘었고, 인도네시아 보건부는 연간 5,000만 명 선별 목표를 위해 자국 흉부 X선으로 MedGemma와 MedSigLIP을 미세조정하며 환자 데이터를 국내에 유지한다.
• HeAR는 3억 개 이상의 오디오 구간으로 학습됐으며 일반 스마트폰 마이크로 녹음한 기침을 활용하는 비침습적 음향 선별을 지원한다. CIDRZ·Aurum Institute·HELINA는 사하라 이남 아프리카에서 관련 연구와 임상 근거 구축을 진행하고 있으며, 글은 이를 모바일 X선 선별 및 MedGemma의 임상 추론을 보완하는 접근으로 제시한다.

🧩 주요 포인트

1. 전향적 다기관 검증과 CE MDR Class IIb·ISO 13485 인증은 연구에서 임상 도입으로 이어지는 근거를 제공하지만, WHO PQ와 FDA 허가는 여전히 진행 단계다.
2. 초 미만의 분석과 지하 4km 오프라인 선별은 진료 접근의 시간·지리적 제약을 줄이는 사례이며, 의료진의 최종 판단과 확진 분자검사 연계가 실제 진료 경로를 구성한다.
3. MedGemma·MedSigLIP의 현지 미세조정과 로컬 실행은 지역별 적용 및 데이터 주권을 뒷받침하고, 임상 근거를 구축 중인 HeAR는 영상 장비가 닿기 어려운 지역의 선별을 보완할 가능성을 제시한다.

🧠 상세 정리

1. 결핵 선별을 가로막는 의료 접근성 격차

2026년 10월 23일 Google Research의 Preeti Singh와 Shravya Shetty가 발표한 글은 결핵 선별의 핵심 병목을 지역에 따른 의료 접근성 격차에서 찾는다. 결핵은 예방과 치료가 가능하지만 매년 약 123만 명의 생명을 앗아가며, 부담이 큰 지역에서는 수백만 건의 활동성 결핵이 발견되지 않아 전파가 이어진다. 외딴 농촌 주민부터 깊은 지하에서 일하는 광부까지 영상의학 전문의를 만나기 어렵고, 영상 장비가 있는 곳까지 이동하는 데 며칠이 걸리기도 한다. 흉부 X선은 폐 선별검사의 일선 영상 수단이지만, 폐 상부의 침윤이나 공동성 병변 같은 미세한 결핵 징후를 읽으려면 전문성이 필요하다. Google Research와 Google for Health는 이러한 문제에 대응해 결핵 의심자를 후속 검사로 연결하는 AI 연구에서 출발하여 임상 검증, 현지 파트너를 통한 규제 인증, 공개 기반 모델로 활동 범위를 넓혀 왔다.

2. 전문의 수준의 성능에서 독립·전향적 검증으로

연구의 출발점은 AI가 결핵 선별용 흉부 X선을 숙련된 영상의학 전문의 수준으로 판독할 수 있는지였다. Google은 2019년 Radiology에 발표한 벤치마크에서 딥러닝 알고리즘이 활동성 폐결핵 탐지에서 숙련된 전문의에 필적하는 성능을 보였다고 설명한다. 독립 검증의 필요성에 따라, 2021년 8월 Stop TB Partnership이 다양한 환자 집단의 자동 컴퓨터 보조 탐지 소프트웨어를 평가해 The Lancet Digital Health에 발표했으며 Google 모델은 세계적으로 우수한 결핵 선별 알고리즘 중 하나로 평가됐다. 같은 해 WHO도 결핵 선별과 분류에 컴퓨터 보조 탐지를 권고했다. 이어 2024년 9월 NEJM AI에 발표한 전향적 다기관 검증에서는 AI 보조 선별이 다양한 환자 집단에서 높은 민감도를 유지해 누락을 줄이고, 우연히 발견되는 다른 폐 및 심장 이상도 신뢰성 있게 탐지했다고 보고했다.

3. 연구 모델을 규제 요건을 충족하는 임상 도구로 전환

글은 논문 발표와 실제 진료에 쓰이는 도구 사이에 서로 다른 X선 장비에 대한 신뢰성, 오프라인 작동, 임상 업무 통합, 의료기기 규제라는 전환의 간극이 있다고 설명한다. 이를 해결하기 위해 Google은 남아프리카공화국 프리토리아의 의료기술 기업 Nexus AI와 협력했고, Nexus AI는 흉부 X선 알고리즘을 인증된 임상 진단 도구로 구현했다. Nexus AI는 EU MDR 2017/745에 따른 CE MDR Class IIb 인증을 획득했으며, 글은 이 인증이 전향적 임상 평가에 근거해 실제 환자 진료에서의 안전성을 확인하는 엄격한 분류라고 설명한다. 의료기기 품질경영에 관한 ISO 13485 인증도 확보했다. 국제기구를 통한 조달에 중요한 WHO 사전적격성평가를 추진하기 위해 FIND와 협약을 체결했으며 미국 FDA 허가 절차도 진행 중이므로, 두 절차를 이미 완료된 인증으로 해석해서는 안 된다.

4. 아프리카 의료시설 배치와 선별 시간 단축

현장 배치는 남아프리카공화국·시에라리온·코트디부아르에서 진행되고 있으며, 콩고민주공화국·잠비아·카메룬으로의 확장이 추진되고 있다. 글은 이 여섯 국가에 걸친 배치·확장 현황과 함께 약 40개 의료시설에서 90명 이상의 임상의가 흉부 X선 25,000건 이상을 평가했다고 보고한다. 처리 시간은 수주에서 45초 미만으로 줄어 신속한 환자 분류를 지원하지만, 최종 임상 판단은 의료진이 담당한다. Nexus AI 애플리케이션은 정상 폐 소견과 일치하지 않는 영역을 표시하며, 여기에는 결핵을 시사하는 소견과 추가 조사가 필요한 소견인 FIR이 포함된다. 의료 형평성을 위한 활동으로 자원이 부족한 공공 진료소에 3,000건 이상의 무료 선별검사를 제공했으며, 연간 10,000건의 후원 선별검사를 목표로 하고 있다.

5. Mponeng Gold Mine의 지하 4km 오프라인 선별

남아프리카공화국의 Mponeng Gold Mine 사례는 환자가 있는 장소로 진단 수단을 가져가는 접근을 보여준다. 세계에서 가장 깊은 광산 중 하나인 이곳의 심부 광부들은 만성적인 실리카 분진 노출로 폐질환 위험이 높다. Nexus AI는 Stop TB Partnership, Harmony Gold Mine, South African Department of Health와 협력해 초소형 휴대용 디지털 X선 장비와 오프라인 AI를 지하 4km에 배치했다. 광부는 현장에서 수초 내에 선별검사를 받고, 결핵 의심 소견이 표시되면 확진 분자검사로 즉시 연계될 수 있다. 글은 선별, 환자 분류, 확진 검사를 한 번의 방문에서 수행할 수 있게 되면서 기존에 수주가 걸리던 진료 경로를 단축했다고 설명하며, AI 선별 결과와 후속 확진 검사의 역할을 구분한다.

6. HAI-DEF와 MedGemma를 통한 공개 기반 모델 확대

Google은 단일 파트너를 위한 맞춤형 솔루션만으로 세계 결핵 부담에 대응하기 어렵다고 보고, 현지 개발자와 보건 당국이 필요에 맞게 적용할 수 있는 공개 기반 모델로 방향을 넓혔다. Health AI Developer Foundations인 HAI-DEF를 통해 흉부 X선 임베딩과 의료 영상 및 이를 설명하는 임상 언어를 연결하도록 학습한 경량 비전·언어 모델 MedSigLIP을 공개했다. 개발자는 자연어 라벨로 영상을 분류하거나 검색하고, 소수의 지역 사례로 특정 과제에 미세조정할 수 있어 대규모 연산 자원 없이도 지역 데이터셋을 활용할 수 있다고 설명한다. 이를 바탕으로 공개한 MedGemma는 4B와 27B 매개변수 구성의 공개 가중치 멀티모달 모델군이다. MedGemma는 영상 소견과 임상 이력을 결합하고 임상의의 질문에 자연어로 답하며 인터넷 연결 없이 기기에서 로컬로 실행할 수 있는 모델로 소개된다. 출시 이후 전 세계 다운로드는 1,000만 회를 넘었지만, 글은 이 수치를 임상 배치 건수나 진단 성능 지표로 제시하지는 않는다.

7. 인도네시아의 국가 결핵 사업과 데이터 주권

인도네시아 보건부는 세계에서 두 번째로 큰 결핵 부담에 대응해 질병 퇴치를 목표로 연간 5,000만 명을 선별하려는 계획을 추진하고 있다. 글은 흉부 X선 5,000만 건을 수작업으로 검토하는 것은 현실적으로 어렵고, 독점적 클라우드 소프트웨어는 데이터의 국내 보관 요건과 관련된 문제를 일으킬 수 있다고 설명한다. 이에 보건부는 자국에서 수집한 흉부 X선을 사용해 MedGemma와 MedSigLIP을 미세조정하고 있다. 모델이 현지 인프라에서 실행되므로 환자 데이터는 국경 안에 남고, 보건 당국은 임상 배치에 대한 통제권을 유지할 수 있다. 이 사례에서 공개 모델의 의미는 대규모 선별을 지원하는 동시에 국가별 데이터 주권과 현지 적용을 가능하게 한다는 점이며, 연간 5,000만 명은 이미 달성한 실적이 아니라 추진 목표다.

8. HeAR 기침 음향 연구와 상호 보완적인 선별 경로

영상 장비가 모든 외딴 보건 거점에 도달할 수 없다는 한계에 대응해 Google Research는 Health Acoustic Representations인 HeAR도 개발했다. 3억 개 이상의 오디오 구간으로 학습한 HeAR는 일반 스마트폰 마이크로 녹음한 기침 소리를 활용하는 비침습적 음향 선별을 지원한다. 사하라 이남 아프리카에서는 잠비아의 CIDRZ, Google.org의 25만 달러 지원을 받는 가나의 Aurum Institute, HELINA의 150만 달러 규모 지역 협력 사업을 통해 관련 공동 연구가 진행되고 있다. 글은 HeAR의 음향 기반 분류, HAI-DEF를 활용한 모바일 X선 선별, MedGemma의 멀티모달 임상 추론을 의료 취약계층을 위한 상호 보완적 진단 경로로 제시한다. 다만 기침 기반 분류는 파트너들이 임상 근거를 구축하는 단계로 설명되며, 이미 확립된 확진 검사로 제시되지는 않는다. 글은 엄격한 과학적 검증, 공개 개발 기반, 지역 파트너십을 실제 효과의 조건으로 강조하고, IDWeek 2026에서 감염병 및 공중보건 공동체와 이러한 경험을 공유한다고 밝혔다.

🧾 핵심 주장 / 시사점

• 결핵 선별 AI의 현장 효과는 판독 성능만으로 설명되지 않는다. 전향적 검증, 의료기기 인증, 오프라인 작동, 의료진의 최종 판단, 확진 검사 연계가 함께 진료 경로를 구성한다.
• Mponeng Gold Mine과 인도네시아는 서로 다른 적용 과제를 보여준다. 전자는 지하 4km의 접근성 문제에, 후자는 연간 5,000만 명 선별 목표와 환자 데이터의 국내 유지에 초점을 둔다.
• 공개 모델은 현지 데이터와 인프라에 맞춘 적용을 지원하지만, MedGemma 다운로드 1,000만 회나 HeAR 연구 참여 자체가 임상 효과의 입증을 의미하지는 않는다. 글에서도 임상 배치 실적, 국가 사업 목표, 근거 구축 중인 연구는 서로 다른 단계로 제시된다.

✅ 액션 아이템

• Nexus AI의 도입 현황 검토 시 CE MDR Class IIb·ISO 13485 인증과 추진 중인 WHO PQ·FDA 허가를 구분해 확인한다.
• 45초 미만 분석과 Mponeng Gold Mine의 오프라인 선별 사례를 바탕으로 의료진의 최종 판단 및 확진 분자검사 연계 조건을 검토한다.
• 인도네시아의 연간 5,000만 명 선별 목표와 MedGemma·MedSigLIP의 현지 미세조정 사례를 참고해 로컬 실행과 환자 데이터 국내 유지의 적용 조건을 검토한다.

❓ 열린 질문

• Nexus AI가 추진 중인 WHO PQ와 FDA 허가는 각각 어느 단계에 있으며, 완료까지 어떤 요건이 남아 있는가?
• 인도네시아의 연간 5,000만 명 선별 목표를 위해 미세조정 중인 MedGemma와 MedSigLIP은 현지 흉부 X선에서 어떤 성능을 보이는가?
• CIDRZ·Aurum Institute·HELINA가 구축 중인 HeAR의 임상 근거는 기침 기반 분류의 정확도와 모바일 X선 선별 연계 효과를 어떻게 보여줄 것인가?