의료 AI의 가장 큰 도전은 정확성뿐만 아니라, 방대한 데이터를 안전하고 빠르게 처리하며 글로벌 규제를 준수하는 인프라를 구축하는 것입니다. Artera는 전립선암 환자의 예후와 치료 효과를 예측하는 FDA 승인 AI 솔루션을 개발했는데, 그 핵심에는 AWS 기반의 현대적이고 확장 가능한 아키텍처가 자리 잡고 있습니다. 이 글에서는 그 기술적 설계와 실무적 통찰을 공유합니다. 자세한 근거자료는 AWS 공식 블로그에서 확인할 수 있습니다.
핵심 아키텍처: 보안, 확장성, 데이터 지역성
Artera의 시스템은 복잡한 AI 워크플로우 오케스트레이션을 핵심으로 합니다. 8GB에 달하는 고해상도 생검 이미지를 수만 개의 패치로 나누어 병렬 처리해야 하기 때문이죠. 아래는 이를 구현한 AWS 서비스 스택의 핵심입니다.
- 프론트엔드 & 글로벌 액세스: 의료 전문가용 포털(Artera Portal)은 Amazon CloudFront와 AWS Global Accelerator를 통해 전 세계에 저지연으로 제공됩니다.
- 컨테이너 오케스트레이션: 웹 애플리케이션은 Amazon ECS에서, AI/ML 추론 및 전처리 파이프라인은 Amazon EKS 클러스터에서 실행됩니다. EKS는 컨테이너화된 워크로드를 조정하여 대용량 이미지 패치를 병렬 처리하는 효율성을 제공합니다.
- 데이터 계층: 생검 원본 이미지는 Amazon S3에 안전하게 저장됩니다. 처리 중인 이미지 패치와 모델 데이터는 Amazon EFS를 통해 ECS와 EKS가 공유 접근합니다. 환자 메타데이터와 결과는 고가용성 Amazon RDS에 저장되며, Amazon ElastiCache로 성능을 최적화합니다.
- 보안 & 규정 준수: AWS IAM, KMS를 통한 세분화된 접근 제어와 암호화, 그리고 각 국가별 데이터 거주지 요구사항을 충족하기 위한 리전별 리소스 배치가 구현되었습니다.
기존 방식 대비 차별점 및 성과
Artera의 접근법은 전통적인 유전자 검사 방식을 AI와 클라우드 인프라로 대체하며 몇 가지 결정적인 이점을 창출했습니다.
| 구분 | 전통적 유전자 검사 | Artera AI 진단 (AWS 기반) |
|---|---|---|
| 소요 시간 | 약 6주 | 1~2일 |
| 샘플 소모 | 조직 샘플 소모(파괴적) | 디지털 이미지 분석(비파괴적) |
| 확장성 | 물리적 실험실 용량에 제한 | AWS 기반 탄력적 확장 |
| 데이터 기반 | 소수 유전자 발현 | 전체 조직 이미지의 다중 신호(Histopathology) |
| 규정 준수 | 복잡한 물리적 데이터 이동 | AWS 리전을 활용한 데이터 지역성 보장 |
이러한 아키텍처 덕분에 Artera는 운영 효율성도 극대화할 수 있었습니다. 인프라 관리 부담이 줄어 엔지니어들은 핵심 AI 알고리즘 개선에 더 집중할 수 있게 되었고, AWS의 글로벌 인프라를 통해 여러 국가의 데이터 규정을 준수하며 빠르게 시장을 확장하고 있습니다.
미래 전망과 시사점
Artera는 현재 전립선암에 집중했지만, 그 기반이 되는 '범종양(pan-tumor) 파운데이션 모델'을 개발 중이며, 유방암 등 다른 암종으로의 확장을 계획하고 있습니다. AWS의 탄력적인 인프라는 이러한 미래 성장을 뒷받침할 핵심 요소입니다.
의료 AI 프로젝트를 계획하는 개발자와 아키텍트에게 Artera의 사례는 중요한 교훈을 줍니다. 복잡한 워크플로우는 EKS로 오케스트레이션하고, 대용량 파일 공유는 EFS로, 데이터 지역성과 규정 준수는 AWS 리전 정책을 적극 활용하라는 것이죠. 단순히 AI 모델의 정확도만 높이는 것이 아니라, 그것을 실제 의료 현장에 안전하고 빠르게 통합할 수 있는 인프라 설계가 진정한 가치를 만듭니다. AWS는 이런 생명을 건 도전을 가능하게 하는 강력한 토대를 제공하고 있습니다.