자율적이고 감사 가능한 의료영상 모델 개발을 향하여

의료영상 모델 개발은 단순한 코드 생성보다 데이터 형식, 평가 규약, 제출 아티팩트에 맞춘 실행 가능한 파이프라인 구성이 핵심적이다. AMID은 이 문제를 데이터 조건 기반 계획과 검증 중심 최적화로 구조화해 수동적 맞춤형 엔지니어링을 에이전트 기반의 감시 가능한 워크플로우로 전환했다. 그 결과 20개 과제에서 기존 자율 MLE 시스템을 능가하거나 인간 설계 솔루션에 근접하는 성능을 얻어 자동화된 개발의 실용적 가능성을 입증했다.

의료영상 모델 개발은 데이터 형식, 평가 규약, 제출 포맷 등 다수의 도메인 제약이 모델 성능보다 먼저 충족되어야 하는 문제이다. AMID은 이 점을 출발점으로 삼아 작업 정의와 공개 데이터 뷰를 증거로 프로파일링하고, 프로파일에서 정한 제약을 그대로 방법 탐색의 조건으로 사용해 실행 가능성이 낮은 후보를 사전에 제거한다. 이렇게 하면 에이전트들이 무작위로 방법을 조합해 실패를 반복하는 대신 초기부터 데이터에 맞는 합리적 경로로 자원을 할당할 수 있다. AMID의 두 번째 핵심 직관은 점수만으로 승격 결정을 내려서는 안 된다는 것이다. 즉각적인 검증 점수는 폴드 누수, 포맷 불일치, 혹은 잘못된 메트릭 계산에서 비롯될 수 있으므로 각 시도는 코드 커밋, 로그, 폴드 출처, 예측 파일을 연결하는 독립 검증 게이트를 통과해야 승격 증거로 인정된다. 이 검증 레이어는 탐색 전략 자체를 변화시켜 단기 안정성만 높은 방법 대신 재현 가능하고 패키징 가능한 솔루션에 자원이 집중되도록 만든다. 세 번째 직관은 탐색과 착취를 분리하되 연결하는 것이다. 초기 폭넓은 탐색 단계에서 다양한 방법 레인을 비교 가능한 시도로 채운 다음, 리뷰어 승인 기반으로 소수의 후보를 선별해 집중적으로 개선하고 완성하는 방식은 의료영상에서 다계층적 해결책이 공존하는 현실을 반영한다. 이 과정은 도메인 특화 전처리, 파운데이션 모델 적응, 후처리 결합 같은 혼합적 설계를 실용적으로 선택할 수 있게 한다.

AMID의 전체 접근 방식은 입력 파일과 작업 계약을 받아 먼저 데이터 프로파일을 작성하는 것에서 출발한다. 프로파일은 파일 형식, 디렉터리 레이아웃, 샘플 수, 식별자 구조와 같은 인벤토리 증거와 이미지 차원, 채널 수, spacing, dtype 같은 표현 수준의 샘플링 정보, 그리고 주석 통계와 평가 제약을 포함해 검색 가능한 제약 집합을 만든다. 이 증거는 이후의 방법 레인 구성 규칙으로 직접 사용되어 각 레인은 가정, 필요한 리소스, 훈련 예산 범주, 검증 의무와 실패 모드를 명시한다. 핵심 메커니즘은 DCMP와 검증 유도 두 단계 최적화의 결합이다. DCMP는 로컬 리소스 라이브러리(nnU-Net, MONAI 등)와 서지·모델 레지스트리를 조회해 데이터 프로파일에 맞는 실행 가능 후보를 배치한다. 각 후보는 실행 여부를 확인할 수 있는 체크포인트, 다운로드 가능한 아티팩트, 또는 로컬에서 수행 가능한 변환 등으로 검증되어야 한다. 최적화 절차는 두 단계로 나뉜다. 1단계는 행동-게이트형 탐색으로 워커들이 서로 다른 레인에서 시도를 제출하면 모든 제출은 독립 리뷰어의 검증을 거쳐야만 비교 가능한 증거로 등재된다. 2단계는 선정된 후보에 대해 집중적 탐구를 수행해 하이퍼파라미터 튜닝, 앙상블, 후처리 보강 및 패키징 작업을 통해 최종적 제출 아티팩트를 완성한다. 두 단계 모두에서 리뷰어는 검증 프로토콜, 메트릭 계산, 예측 파일 포맷, 폴드 사용 준수 여부를 확인해 불신뢰 증거가 승격을 좌우하지 못하게 한다. 운영 측면에서 AMID은 셀프오거나이징 에이전트 루프를 채택해 다양한 코딩 에이전트 백엔드를 동일한 공유 파일시스템과 시도 원장으로 연결한다. 라이프사이클 관리자는 워커 상태, 문맥 압력, 정체 신호를 모니터링해 하트비트 개입과 세션 재시작으로 세션을 회복 가능하게 관리한다. 공유 메모리는 커밋 해시, 시도 메타데이터, 노트, 스킬, 검증 리포트를 파일 수준으로 보관해 나중 작업에서 재사용과 감사가 가능하도록 구성되어 있다.

주요 실험은 ReX-MLE의 20개 의료영상 과제를 대상으로 진행되었고 표준화된 제출 기준을 사용해 AMID의 산출물이 실제로 제출 가능한 패키지임을 검증했다. 전체 스위트에서 AMID은 모든 과제에 대해 유효한 수락된 제출 결과를 생성했고 19개 과제에서 비교 대상 중 가장 강한 시스템보다 높은 점수를 기록했다. 특히 분할(segmentation)과 검출(detection) 과제에서 개선 폭이 컸고 일부 과제에서는 인간 레퍼런스와 동등하거나 이를 초과하는 결과를 보였다. 세부 비교에서 동일한 모델 백엔드를 고정한 통제 실험은 설계가 성능 차이에 중요한 기여를 했음을 시사했다. 동일한 GPT-5.5 기반에서 비교했을 때도 AMID은 DENTEX, PUMA-T1-Seg, TopCoW-MRA-Cls 등 대표 과제에서 더 높은 최종 점수를 얻었다. 런타임 백엔드별 행태 분석에서는 Codex+GPT-5.5와 Claude Code 조합이 과제별로 서로 다른 강점을 보였지만 두 경우 모두 AMID의 구조적 이점이 유지되었다. 실패 사례 분석은 제한 조건을 명확히 했다. 예를 들어 USenhance 과제는 장기적 학습 안정성과 생성적 손실의 미세한 균형이 요구되어 고정 예산 하에서는 안정적이지만 성능이 낮은 paired U-Net 계열이 채택되었다. 소규모 해부학적 구조에 의존하는 그래프 분류 과제는 분할 결과만으로는 downstream 레이블을 충분히 복구하지 못해 낮은 성능을 기록했다. 이 관찰들은 AMID이 탐색과 검증을 개선했음에도 불구하고 일부 문제군에서는 더 긴 학습 예산이나 특화된 후처리 통합이 필요함을 보여준다.

전체 아키텍처는 입력된 작업 계약을 바탕으로 데이터 프로파일러, DCMP 플래너, 셀프오거나이징 에이전트 서브스트레이트, 리뷰어 게이트, 그리고 공유 아티팩트 메모리로 구성된다. 데이터 프로파일러는 파일 시스템 수준의 인벤토리 진단과 샘플 기반 이미지 표현 진단을 수행해 레인 생성의 제약과 기회를 규정한다. DCMP는 이 제약들을 노드로, 실행 가능한 리소스와 방법 패밀리를 엣지로 연결한 하이브리드 방법 그래프를 구성해 병렬 탐색 가능한 포트폴리오를 산출한다. 검증 메커니즘의 수학적 기반은 메트릭 계산의 추적 가능성에 있다. 각 제출은 커밋 해시와 연결된 예측 파일 집합, 검증 폴드 인덱스, 그리고 점수 계산 스크립트를 함께 제출해야 하므로 메트릭 값은 코드에서 출발해 최종 점수로 이어지는 결정론적 경로를 따른다. 이 흐름은 스코어 = f(code, fold, predictions) 형태로 사고하며 각 요소가 누락되거나 다르면 검증 실패로 간주되어 승격 증거로 사용될 수 없다. 라이프사이클 관리자는 워커 생성, 재시작, 하트비트 개입, 중단 조건과 재할당 규칙을 상태 기계로 관리한다. 워커는 격리된 git worktree에서 작업하고 모든 시도는 시도 원장에 기록된다. 공유 메모리는 시도별 커밋 해시, 점수, 노트, 체크포인트 경로, 리뷰 리포트를 포함해 이후 워커가 과거 시도를 재현하거나 성공 패턴을 확산할 수 있게 만든다. 구현 세부에서는 백엔드-무관적 설계가 채택되어 Codex, Claude Code, Cursor Agent 등 다양한 런타임이 혼합되어 사용되었다. 실험은 주로 Codex+GPT-5.5로 전체 스위트를 실행했고 대표 과제에서 Claude Code 기반의 대안 런타임도 비교했다. 하드웨어 예산은 과제당 24시간과 NVIDIA RTX A6000 48GB 한 장으로 고정된 통제 실험이 수행되었다.

주요 한계는 계산 비용이다. 다중 레인을 병렬 탐색하고 단계별 검증을 수행하는 설계 특성상 GPU 시간과 에이전트 토큰 사용량이 크며 이는 대규모 백터의 포괄적 탐색을 제약한다. DCMP의 품질은 리소스 레지스트리와 데이터 프로파일링 정확도에 의존하므로 잘못된 레지스트리 정보나 불완전한 프로파일링은 후보 선택을 왜곡할 수 있다. 또한 일부 문제군, 예를 들어 장기적 생성 목표를 지닌 USenhance나 소규모 분기 구조에 의존하는 그래프 분류는 고정된 예산 하에서 성능 향상이 제한되는 경향이 나타났다.