초경량 의료 AI 하이브리드 아키텍처 ‘EfficientMedFormer’ 개발. 글로벌 벤치마크서 SOTA 달성

연구팀이 방향성 분해 원리를 적용해 초경량성과 진단 정확도를 동시에 극대화한 의료 영상 분류 모델 ‘EfficientMedFormer’를 개발하였습니다. 연구팀은 2D 합성곱을 수평/수직 1D로 분해하는 ‘Aniso Block’과 공간 정보 손실 없이 선형 복잡도로 전역 문맥을 포착하는 ‘GCAA 어텐션’을 결합해, 고비용 거대 AI 모델의 임상 도입 장벽을 해소하는 고효율 하이브리드 구조를 완성하였습니다.

특히 본 모델은 단 2.39M 파라미터와 0.28 GFLOPs라는 극소형 스펙에도 불구하고, 대규모 국제 벤치마크 MedMNIST v2의 9개 과제에서 최고 정확도를 기록하고 뇌종양 MRI 분류에서 99.4%, Kvasir 내시경에서 86.5%의 정확도를 달성하며 거대 ViT 및 Mamba 모델을 제치고 SOTA(State-of-the-Art) 성능을 입증하였습니다. 또한 Orange Pi 5B(74.6ms), iPhone 14 Pro(16.5ms) 등 실제 임상 엣지 디바이스에서 실시간 추론 속도를 검증받으며 현장 진료(Point-of-Care) 환경에서의 실용성을 높였습니다.