LG AI 연구원, 조직병리 이미지 특화 모델 EXAONEPath 오픈소스로 공개

LG AI연구원이 조직병리 이미지 처리에 특화된 모델인 EXAONEPath를 오픈소스로 공개했다. 조직병리 이미지는 일반 이미지와 달리 크기가 매우 크고(20k x 20k 이상), 색조 범위가 상이하며 객체가 한정적이라는 특수성을 가진다.

EXAONEPath는 글로벌 빅테크의 경쟁 모델과 유사한 높은 정확도를 보이면서도, 모델 사이즈를 1/10 수준으로 경량화하여 압도적인 경제성을 확보했다. 적은 양의 학습 데이터와 낮은 인프라 비용으로도 우수한 성능을 낼 수 있는 것이 특징이다.

이 모델을 통해 AI가 조직병리 이미지를 분석할 수 있게 되면, 기존에 최대 2주가 소요되던 유전자 검사 단계를 생략하고도 유전자 변이를 예측하거나 적합한 치료법을 결정할 수 있어 시간과 비용을 획기적으로 줄일 수 있다.

기술적 핵심은 다음과 같다:

• MIL (Multi-Instance Learning) 프레임워크를 활용하여 기가픽셀 사이즈의 이미지를 패치 단위로 처리.
• 자기지도학습(Self-supervised Learning) 기법 중 DINO 방식을 적용하여 레이블 없는 데이터에서도 높은 표현형 품질 확보.
• 모든 패치가 동일한 **MPP (Micro-meter Per Pixel)**를 갖도록 메타 정보를 반영하여 스케일의 일관성 유지.