Tether는 17억 개의 매개변수를 지원하는 QVAC MedPsy를 출시하여 HealthBench Hard에서 MedGemma-27B를 능가했으며, 컴퓨팅 리소스를 3배 적게 사용하고 클라우드 인프라가 필요하지 않습니다.
USDT 스테이블코인으로 유명한테더(Tether )는 클라우드 연결 없이 스마트폰, 웨어러블 기기, 엣지 디바이스에서 직접 실행되도록 설계된 의료 AI 모델 제품군인 QVAC MedPsy를 발표 했습니다. 이 제품의 가장 주목할 만한 점은 스테이블코인 회사가 의료 AI 분야에 진출했다는 이례적인 배경보다는 함께 공개된 성능 수치입니다.
OpenAI가 262명의 의사가 여러 차례에 걸쳐 임상 대화를 통해 평가한 AI 성능 벤치마크인 HealthBench Hard에서, 테더의 17억 개 매개변수 모델은 규모가 거의 16배 더 큰 구글의 MedGemma-27B 모델을 능가하는 성능을 보였습니다.
40억 개의 매개변수를 가진 이 모델은 평균 응답당 909개의 토큰만 사용하면서도 더 큰 규모의 경쟁 모델보다 거의 7배 뛰어난 성능을 보였습니다. 이는 유사한 시스템에서 사용되는 2,953개의 토큰에 비해 계산 비용이 3.2배 절감된 것과 같습니다.
토큰 효율성의 이점은 단순히 기술적인 수치적인 측면에만 국한되지 않습니다. 토큰 수가 적을수록 응답 속도가 빨라지고 비용이 절감되며, 무엇보다 중요한 것은 일반 소비자용 하드웨어에서 완전히 로컬로 작동할 수 있다는 점입니다.
해당 모델들은 각각 1.2GB와 2.6GB 크기의 정량화된 GGUF 파일 형태로 출시되었으며, 모바일 기기에 설치하기에 충분히 작은 크기이면서도 MedQA-USMLE부터 아프리카의 의료 자원이 부족한 환경에 초점을 맞춘 표준 세트인 AfriMedQA에 이르기까지 다양한 평가 도구에서 대부분의 성능을 유지합니다.
데이터 프라이버시 — 진정한 경쟁 우위
Tether의 CEO인 Paolo Ardoino는 QVAC MedPsy를 규모 경쟁이 아닌 효율성의 문제로 보고 있습니다. 즉, 민감한 정보를 제3자 인프라로 전송하지 않고 병원 시스템이나 개인 기기 등 데이터가 존재하는 바로 그곳에서 의료 추론을 수행할 수 있다는 것입니다.
현재 대부분의 의료 AI가 클라우드 서버를 통해 환자 데이터를 처리하고 HIPAA 규정과 관련된 위험을 초래한다는 점을 고려할 때, 이 주장은 원격 병원 및 진료소 시스템에 실질적인 타당성을 갖습니다.
하지만 기술적 잠재력이 곧 임상적 준비 상태를 의미하는 것은 아닙니다. 옥스퍼드 대학교의 2월 연구에 따르면 대규모 언어 모델조차 여전히 부정확한 의학적 조언을 자주 제공하고 복잡한 증상을 제대로 처리하지 못하는 것으로 나타났으며, 연구진은 인공지능이 "의사가 아닌 비서"의 역할을 해야 한다고 결론지었습니다.
QVAC MedPsy는 현재 약 360억 달러 규모이며 2033년까지 5000억 달러를 넘어설 것으로 예상되는 의료 AI 시장에서 출시되었습니다. 이처럼 큰 시장에서는 기기 기반 모델이 임상의의 역할을 완전히 대체하지는 못하더라도 자리를 잡을 수 있습니다.
