의료용 오픈소스 거대언어모델 알로에 개발 및 공개

주장의료 분야에서 거대언어모델 활용이 증가함에 따라 투명하고 성능이 검증된 오픈소스 모델에 대한 수요가 커지고 있습니다. 연구진은 알로에 모델의 가중치와 데이터, 코드를 모두 공개하여 의료 인공지능 연구의 표준을 제시합니다.

팩트알로에 모델은 총 18억 개의 토큰으로 학습되었습니다. 연구진은 정제된 공개 데이터와 합성 데이터를 결합하여 학습 효율을 높였습니다.

팩트해당 모델은 라마 3.1과 큐웬 2.5를 기반으로 구축되었습니다. 최신 언어 모델의 성능을 의료 분야에 최적화한 결과입니다.

팩트모델의 안전성을 강화하기 위해 직접 선호 최적화 기법을 적용했습니다. 이를 통해 탈옥 공격에 대한 방어력을 높이고 의료 현장에서 발생할 수 있는 편향성을 줄였습니다.

팩트추론 효율을 극대화하기 위해 검색 증강 생성 시스템을 모델과 통합했습니다. 이 시스템은 의료 벤치마크 전반에서 경쟁력 있는 성능을 입증했으며 실제 의료 전문가들의 평가를 거쳤습니다.

교차검증본 연구는 연구 목적으로만 모델 가중치를 공개하며 의료 분야의 특수성을 고려한 상세한 위험 평가를 동반합니다. 기술의 책임 있는 배포를 위해 의료 전문가들과 협력하여 분류 체계를 정의했습니다.

팩트이번 연구는 유럽연합의 차세대 기금과 스페인 과학혁신부의 지원을 받아 수행되었습니다. 실험 과정에서는 피니스테레 3, 레오나르도, 마레노스트룸 5와 같은 슈퍼컴퓨터 자원을 활용했습니다.

주장알로에 모델은 의료용 거대언어모델이 갖추어야 할 성능과 윤리적 요구 사항 사이의 균형을 맞추는 새로운 기준을 제시합니다. 오픈소스 생태계에 기여함으로써 의료 인공지능 기술의 투명한 발전을 도모합니다.

팩트연구진은 바르셀로나 슈퍼컴퓨팅 센터 소속의 다리오 가르시아 가술라를 포함한 다수의 전문가들로 구성되었습니다. 의료 전문가들의 참여를 통해 모델의 임상적 타당성 또한 검증했습니다.

교차검증모델의 성능은 폐쇄형 및 개방형 질문, 안전성 평가, 인간 평가 등 다각적인 방식으로 검증되었습니다. 이는 의료 현장에서의 실질적인 활용 가능성을 높이기 위한 필수적인 과정입니다.

출처Garcia-Gasulla, D., Bayarri-Planas, J., Gururajan, A.K. et al. The Aloe Family recipe for open and specialized healthcare LLMs. npj Digit. Med. (2026). https://doi.org/10.1038/s41746-026-02637-y을 교차 검증했습니다.