아크릴, 국내 첫 '의료 AI 풀스택' 제시...'KHF 2026' 행사서

아크릴(대표 박외진)이 19일부터 21일까지 서울 코엑스에서 열리는 ‘국제 병원 및 헬스테크 박람회(KHF) 2026’에 참가했다. 자사 AI-Native EMR 온보딩 플랫폼 'NADIA-ANE'와 LLM 'ALLM.H', AI 운영 플랫폼 'Jonathan.H'를 중심으로 한 ‘AI-Native Healthcare Stack’을 선보였다. 병원 의료 인공지능 전환(AX)의 방향을 제시했다고 회사는 20일 밝혔다.

특히 이번 전시에서 아크릴은 단일 AI모델이나 개별 서비스를 소개하는 데 그치지 않고 ▲병원 데이터를 AI가 이해할 수 있도록 연결하는 데이터 계층부터 ▲의료 특화 파운데이션 모델 ▲AI 에이전트 개발과 배포·운영을 위한 인프라까지 하나로 연결한 의료 AI 풀스택을 중점적으로 소개했다.

박외진 아크릴 대표는 "데이터 표준화에서 모델 학습·운영, 에이전트 임상 워크플로우, AI 인프라 운영·최적화로 이어지는 구조"라고 설명했다.

병원에는 수십 년치 진료 기록이 쌓여 있다. 하지만, 의료진이 특정 환자의 과거 이력이나 특정 조건에 해당하는 환자군을 확인하려면 여러 화면을 직접 뒤지거나 의료정보팀에 요청해 기다려야 한다. 데이터는 있는데 물어볼 방법이 마땅치 않은 것이다. 아크릴은 이 문제가 범용 대규모언어모델(LLM) 하나를 도입하는 것만으로는 풀리지 않는다고 봤다. 병원마다 다른 EMR과 임상데이터웨어하우스(CDW)의 데이터 구조를 AI가 같은 의미로 이해해야 하고, 한국어 임상 환경에 특화된 모델이 병원 내부에서 안전하게 작동해야 하며, 여러 모델과 에이전트를 지속적으로 관리할 수 있는 운영 체계까지 함께 갖춰져야 한다는 것이다.

데이터 주권 담당 'NADIA-ANE', 모델 주권 'ALLM.H', 운영 주권 'Jonathan.H' 하나의 기술 체계로 연결

이를 위해 아크릴은 데이터 주권을 담당하는 'NADIA-ANE', 모델 주권을 담당하는 'ALLM.H', 운영 주권을 담당하는 'Jonathan.H'를 하나의 기술 체계로 연결했다. 병원 내 데이터 표준화와 임상 온톨로지, 자체 의료 파운데이션 모델의 원내 구동, MLOps와 LLMOps 및 감사로그, GPU 최적화와 접근통제까지 데이터와 모델, 운영 주권을 단일 체계로 구현한 것이 핵심이다.

'NADIA-ANE'는 병원마다 다른 EHR·EMR 데이터 구조를 AI가 활용할 수 있는 의미 계층으로 연결하는 AI-Native EMR 온보딩 플랫폼이다. 병원 스키마에 직접 종속되는 기존 방식과 달리 3계층 지식 구조를 적용했다. 공통 임상 지식과 표준을 담당하는 Tier 1, 병원별 스키마를 분석해 자동 생성하는 의미 계층 Tier 2, 병원 고유 코드와 약어 등을 보정하는 Tier 3다.

병원이 이미 쓰고 있는 시스템에 연결하는 방식이어서 EMR을 교체하지 않으며, 병원별로 반복되던 데이터 매핑과 커스터마이징 부담을 줄여 같은 AI 서비스를 다른 의료기관으로 확장할 수 있게 설계했다.

의료진이나 연구자가 자연어로 질문하면 실제 병원 데이터를 조회해 답과 근거를 함께 제시한다. 생성된 SQL은 실행 단계에서 다시 검증하며, 필요한 개념이나 데이터가 없거나 결과가 불확실한 경우에는 추측성 답변을 만들어내는 대신 응답을 제한한다. 의료 환경에서 요구되는 안전성을 고려한 설계다.

아크릴의 자체 평가에 따르면 'NADIA-ANE'는 의료 자연어 질의를 SQL로 변환하는 국제 벤치마크 EHRSQL 2024에서 RS@0 89.08%, RS@10 84.78%를 기록했다.

'ALLM.H'는 이러한 의료 데이터를 이해하고 추론하는 지능형 코어 역할을 맡는다. 아크릴이 자체 개발한 산업 특화 파운데이션 모델 패밀리 'ALLM(Acryl LLM)'을 의료·헬스케어 도메인에 특화한 모델로, 한국어 의료 용어와 임상 문맥에 대한 이해와 추론을 핵심으로 한다. 범용 LLM이 의료 전문용어와 병원 고유의 임상 문맥에서 가질 수 있는 한계를 줄이는 동시에, 병원 내부에서 모델을 직접 운용하는 온프레미스 구조를 적용해 환자 데이터의 외부 전송을 최소화한다. 한국 의사국가시험 기반 의료 지식·추론 벤치마크 KorMedMCQA Doctor에서 96.78%를 기록했다.

'ALLM.H'는 하나의 범용 의료 모델에 머무르지 않고 과제별 전문성을 더하는 형태로 확장할 수 있게 설계했다. 기본 모델이 의료 문서 요약과 임상 추론 등 파운데이션 역할을 맡고, 과제별 어댑터와 특화 모델을 결합해 진료지원과 연구, 환자 서비스 등 병원 업무에 맞는 AI를 구성하는 방식이다. 'NADIA-ANE'와 결합하면 'ALLM.H'가 의료 데이터의 의미를 이해하는 추론 엔진으로 작동해 자연어 기반 EHR 질의와 분석을 지원한다.

'Jonathan.H'는 병원에서 활용하는 여러 AI 모델과 에이전트를 실제 서비스로 운영하기 위한 AI 인프라 및 AgentOps 플랫폼이다. 모델과 에이전트 등록부터 학습, 검증, 배포, 실행, 거버넌스, 재학습과 폐기까지 전 생애주기를 통합 관리하고, 여러 모델과 에이전트가 동시에 동작하는 환경에서 안정적인 운영을 지원한다.

'Jonathan.H'는 진료지원과 행정 자동화, 환자 안내, 연구데이터 활용 등 서로 다른 병원 업무에 복수의 AI 에이전트가 협업하는 멀티 에이전트 워크플로우를 적용할 수 있게 설계했다. 추론 API와 FHIR, OAuth 등 표준 인터페이스를 기반으로 기존 EMR과 HIS, PACS, CDW에 AI를 연계하며, 이후 모델이나 에이전트가 추가되거나 바뀌더라도 기존 병원 시스템에 미치는 영향을 최소화하는 구조를 지향한다. GPU 자원 관리와 추론 환경 운영, 사용자 격리, 모니터링과 장애 대응을 통합해 온프레미스 의료 AI 환경의 지속적인 운영을 지원한다.

세 제품이 연결될 때 만들어지는 의료 AI 전체 가치사슬 강조

아크릴이 이번 전시에서 강조하는 것은 세 제품 각각의 기능보다, 세 제품이 연결될 때 만들어지는 의료 AI의 전체 가치사슬이다. NADIA-ANE가 병원마다 다른 데이터 구조에 의미를 부여하고, ALLM.H가 그 위에서 의료 지식과 임상 문맥을 이해해 추론하며, Jonathan.H가 모델과 에이전트의 실행과 운영을 담당한다. 데이터를 모으는 단계에서 끝나는 것이 아니라, 데이터를 이해하고 AI가 추론하며 실제 병원 업무에서 지속적으로 운영되는 구조까지 하나의 스택으로 구현한다.

이 구조는 병원의 정형 데이터뿐 아니라 비정형 임상 문서와 의료 지식까지 AI 활용 대상으로 넓히는 기반이 된다. 비정형 EMR 텍스트에서 의료 개체를 추출해 구조화하고, 표준용어를 기준으로 데이터 의미를 통합하며, 자연어 데이터 검색과 데이터 출처·변환 과정을 확인할 수 있는 계보(Lineage) 관리, 자연어 질의(NL2SQL)와 검색증강생성(RAG)을 결합한 복합 질의 처리 등이 가능하다. 이를 통해 임상의는 필요한 임상 지표와 코호트 정보를 자연어로 질의하고, 연구자는 데이터 추출에 드는 반복 작업을 줄이며, 병원은 폐쇄망·온프레미스 환경에서 AI 모델과 데이터 활용 과정을 감사 가능한 형태로 관리할 수 있다.

박 대표는 "아크릴은 이러한 기술 구조를 통해 의료 AI의 경쟁 축을 개별 모델의 성능 경쟁에서 운영 가능한 의료 AI 체계로 확장한다는 전략"이라면서 "환자 데이터를 병원 내부에서 관리하는 데이터 주권, 자체 의료 특화 모델을 병원 환경에서 운영하는 모델 주권, 모델과 에이전트, 인프라의 배포와 모니터링을 병원이 통제하는 운영 주권을 하나의 풀스택으로 제공해 의료기관이 자체 AI 역량을 축적하도록 지원할 것"이라고 밝혔다. 회사는 AI가 의료진을 대체하는 기술이 아니라, 의료진과 연구자, 데이터 담당자, 병원 운영자가 데이터를 보다 빠르고 정확하게 활용하도록 돕는 병원 공통 AI 인프라라는 점을 강조했다.

아크릴은 이번 전시에서 세 공간에 참여한다. 코엑스 C관 D10 정보통신산업진흥원(NIPA) 공동관 부스에서 풀스택 전체를 시연하고, 연세대학교 의료원 부스에서도 NADIA-ANE를 전시한다. 닥터앤서관에서는 국책과제 닥터앤서 3.0 적용 서비스 두 건을 선보인다. 피부질환 서비스 ‘더마 에이전트’는 중증 아토피피부염 환자가 퇴원한 뒤 혼자 관리하는 기간을 AI가 이어받아 환자가 따로 기록하지 않아도 진료 때 지난 경과가 정리돼 있게 한다. 전립선증식증 서비스는 같은 구조를 두 번째 질환에 적용한 사례로, 국내 상급종합병원 및 디지털헬스 전문기업과 공동 개발하고 있다.