린치랩(Lynch Lab), 피부 병변 200건으로 전용 AI와 범용 모델 비교

비교에 쓰인 원자료는 밀크10k(MILK10k) 데이터셋이다. 배포기관인 국제 피부영상 협력체(ISIC)는 5,240개 병변에 대해 일반 근접 사진과 피부를 확대해 관찰하는 피부확대경 사진을 짝지어 총 1만480장을 제공한다고 설명한다. 같은 병변이라도 사진 종류에 따라 보이는 정보가 다르므로, 단순히 사진 몇 장을 맞혔는지를 넘어 어떤 영상이 입력됐는지 확인할 수 있는 구성이다.

이 데이터셋에는 나이 구간·성별·촬영 부위·피부색·진단과 정답을 확정한 방식 등의 정보가 포함된다. 전체 병변 중 95.7%는 조직검사로 확인됐다. 원자료 전체가 100% 조직검사 사례라는 뜻은 아니다. 린치의 이번 비교는 그중 조직검사로 확인된 병변 200건을 골랐으므로 데이터셋 전체의 구성과 평가 표본의 구성을 구별해야 한다.

비교 모델은 지피티-6 아스트라(GPT-6 Astra), 클로드 페이블 5.1(Claude Fable 5.1), 피부 영상으로 추가 학습한 인셉션 v3(Inception v3)였다. 여섯 진단명 중 첫 선택을 맞힌 수는 각각 84건, 85건, 125건이었다. 인셉션은 영상의 특징을 학습하는 합성곱 신경망(CNN)이며, 오래된 구조를 썼지만 피부 영상에 맞춰 다시 훈련한 전용 모델이라는 조건이 있다.

후속 진료가 불필요하다고 판정한 흑색종은 두 범용 모델이 각각 3건·4건, 전용 모델이 기본 기준에서 18건이었다. 전용 모델의 기준을 조정한 비교에서는 1~2건이었으므로 기본 설정과 구별해야 한다. 진단명을 맞히는 것과 위험 사례를 진료 대상으로 남겨두는 것은 별개의 과제다.

연구용 모델 설명에 따르면 인셉션의 학습에는 공개 피부 영상 6만8,011장이 사용됐다. 환자나 병변이 같거나 거의 같은 사진은 같은 집합에 묶어 학습·검증·시험 자료 사이에 섞이지 않게 했다. 같은 병변의 다른 사진을 이미 학습한 상태에서 시험 점수가 높아지는 문제를 피하려는 구성이다. 원래의 범용 영상 모델을 그대로 시험한 결과가 아니라, 피부 영상으로 추가 학습한 모델의 결과인 셈이다.

모델 설명은 피부확대경 영상과 일반 근접 사진에 서로 다른 연구용 판정 기준을 사용한다고 밝힌다. 브라우저 시연 화면에 나오는 점수도 개인에게 적용되는 발병 확률이 아니라고 명시한다. 또한 시연의 영상별 성능과 이번 비교에서 두 종류 영상을 결합한 결과는 같은 평가가 아니다. 입력 영상과 판정 기준을 바꾸면 결과도 달라지므로 수치를 섞어 하나의 정확도로 표현할 수 없다.

자료의 대표성에도 한계가 있다. 연구용 모델 설명에는 어두운 피부색의 영상이 적고, 전문 진료기관에서 조직검사를 선택한 병변이 많이 포함됐다고 적혀 있다. 일반인이 우연히 촬영한 모든 피부 사진을 대표하는 표본은 아니다. 드문 질환도 다루지 않으며, 일부 학습 자료의 비상업적 이용 조건 때문에 모델 역시 비상업적 연구·교육용으로 제공된다.

린치는 분석과 초안 작성에 클로드 코드(Claude Code)를 사용했다고 공개했다. 평가 대상 중 하나도 같은 개발사의 모델이다. 이 보고서는 독립적인 임상 검증 결과를 제시하지 않았다. 의료진을 대체할 수 있다는 결론으로 확대할 근거도 없다. 영상 종류·학습 자료·진단명·후속 조치를 함께 봐야 평가 결과의 의미를 읽을 수 있다.