LG, 미국암연구학회서 ‘암 에이전틱 AI’ 연구 성과 공개 - 아이티데일리

엑사원 기반 다중 AI 에이전트…암 조직 분석·치료 계획 설계 등 수행 [아이티데일리] LG AI연구원은 미국 밴더빌트대학교 메디컬 센터와 공동 개발 중인 ‘암 에이전틱 AI’ 연구 성과를 미국암연구학회(AACR) 2026에서 공개했다고 21일 밝혔다. AACR 2026은 지난 17일부터 22일(현지시간)까지 미국 샌디에이고에서 열린다. 양 기관이 공개하는 암 에이전틱 AI는 암 환자의 조직 분석부터 치료 전략 설계까지 전 과정을 하루 만에 수행하도록 설계한 것이 핵심이다. 암 에이전틱 AI의 출발점은 조직 병리 이미지 한 장으로 1분 이내 조직 내 암유전자 활성을 예측하는 병리 AI ‘엑사원 패스(EXAONE Path)’다. LG AI연구원은 엑사원 패스의 조직 내 암유전자 활성 예측 정확도를 개선해 불필요한 검사를 줄이고 표적 약물 적용이 가능한 환자군을 조기에 선별할 수 있도록 했다. LG AI연구원은 지난해 7월 황태현 교수 연구팀과 치료 효과 예측 기술을 고도화해 개인 맞춤형 정밀 의료를 구현하는 멀티모달 의료 AI 플랫폼을 개발한다는 계획을 밝힌 바 있다. 이번 암 에이전틱 AI는 그 첫 번째 결과물이다. LG AI연구원 장종성 바이오 인텔리전스랩장은 “LG는 AI 에이전트들이 전문 의료진과 협업해 개인별 맞춤 항암치료를 혁신할 수 있는 두뇌를 만들어 암 진단부터 치료법 결정까지 평균 4주 이상 소요되던 기간을 하루로 단축해 암 환자의 치료 골든타임 확보에 기여하겠다”고 말했다. 암 에이전틱 AI는 LG 엑사원과 암 병리 특화 AI 등을 기반으로 만든 다중 AI 에이전트의 협업 구조로 동작한다. 각 AI 에이전트는 △암 조직 이미지 분석 △조직 내 암유전자의 위치 및 활성 정보 확인 △AI 예측 결과와 실제 측정 결과 대조·검증 △후보 약물 반응 검증 및 평가 △치료 전략 설계 △최종 판단 지원까지 암 치료를 위한 준비 과정을 단계적으로 수행한다. 밴더빌트대학교 황태현 메디컬 센터 교수는 “기존 의료 AI가 단일 질의에 단편적으로 응답하는 형태였다면 LG와 공동 개발한 에이전틱 AI는 다수의 AI 에이전트가 협업해 분석-검증-설계-결정 지원까지 이어지는 구조”라며 “AI가 방대한 데이터를 처리하고 의료진이 최종 결정을 내리는 협업 모델이 임상 현장에서 더 큰 성과를 만들 수 있을 것”이라고 밝혔다. 황태현 교수 연구팀은 암 에이전틱 AI가 △인지(Perceiving) △추론(Reasoning) △계획(Planning) △실행(Action)의 순환 과정을 통해 결과를 도출하면 다음 에이전트에게 업무를 인계(Handoff)하는 방식으로 작동한다고 밝혔다. 양측은 안전하고 믿을 수 있는 개인 맞춤형 치료 체계 구축을 위해 전문 의료진의 의사 결정 단계와 AI 에이전트 간 의견을 공유하며 검증하는 안전장치를 시스템에 포함했다. 전문 의료진은 △환자의 병력·특이 사항 점검 △조직 내 암유전자 활성 예측과 실측 결과 비교 △약물 반응 데이터 검증 △최종 치료 결정 등 4단계에 걸쳐 의사 결정을 내리며 AI와 협업한다. 또한 AI 에이전트가 스스로 △안전성 △가이드라인 준수 여부 △실제 검증 결과와의 비교 △약물 반응 상관관계 분석 등 각 단계에서 도출된 결과 중 불확실성이 높은 구간을 점검한 뒤 결과를 정리하고 이를 전문 의료진에게 설명한다. 이 시스템은 환자 사례가 증가할수록 모든 에이전트가 업데이트되는 구조로 설계돼 누적 데이터 기반으로 예측과 추천이 정교해진다. LG AI연구원과 황태현 교수 연구팀은 위암을 시작으로 대장암과 폐암 등 다양한 암종으로 에이전틱 AI 적용 범위를 확장할 계획이다. LG AI연구원과 황태현 교수 연구팀은 22일 AACR 2026 기술 혁신 세션에서 ‘인간과 AI의 협업, 전문 의료진의 의사결정 파트너 AI’를 주제로 공동 발표를 진행한다. 이어 엑사원 기반 암 연구 방법론과 AI 에이전트의 의료 현장 적용 방안을 글로벌 제약회사 및 대학 병원에 소개하며 협업 논의를 진행할 예정이다. 양측은 이번 연구 성과가 병원과 제약 현장에 활용될 것으로 기대하고 있다. 병원에서는 조직 검사 결과를 실시간 분석해 맞춤형 치료와 치료 성공률 향상에 활용하고 제약 분야에서는 최적 환자군 선별과 적응형 임상시험을 통해 비용·기간을 줄이고 성공률을 높이는 데 기여할 것으로 전망한다.