우리만의 선형을
만드는 과정

근거는 어디에서 왔는가

논문과 진료지침은 많이 모았다는 이유만으로 믿을 만한 근거가 되지 않습니다. 어디에서 들어왔고 언제 확인됐는지, 그 뒤 무엇이 달라졌는지가 함께 남아야 의료인이 다시 살필 수 있습니다.

AlphaEvidence는 문헌과 진료지침의 식별 정보, 출처, 이용 조건과 변화 이력을 이어 둡니다. 답변을 쌓아두는 데이터베이스가 아니라, 판단에 쓰인 근거를 다시 찾아갈 수 있게 하는 기반입니다.

자료가 판단의 맥락이 되기까지

확인 가능한 자료가 들어오면 출처와 식별 정보를 맞추고, 같은 자료의 변화와 품질 신호를 이어 붙입니다. AlphaDoc Engine에는 이 계보가 보존된 근거 맥락을 전달합니다.

AlphaEvidence Foundation은 알파닥의 근거 경로에 연결돼 있습니다. 공개 집계는 문헌 레코드와 진료지침의 규모를 보여주는 지표이며, 개별 레코드의 임상 검증 완료 건수와는 구분됩니다.

질문 다음의 일을 설계하다

같은 질문이라도 근거를 찾는 일, 문서를 다루는 일, 번역하거나 기록을 정리하는 일은 필요한 입력과 검토가 다릅니다. AlphaDoc Engine은 어떤 모델을 쓸지보다 사용자가 지금 무엇을 하려는지부터 구분합니다.

그 목적에 맞는 근거와 문서 맥락, 도구와 결과 형태를 조합합니다. AlphaDoc Engine은 자체 거대언어모델이 아니라, 바이오레의 기술을 의료 업무에 맞게 연결하는 실행 계층입니다. 바이오레가 개발하는 의료 특화 모델(07)도 이 실행 계층 위에서 외부 모델을 대체할 예정입니다.

업무의 목적이 다음 행동으로 이어지는 길

업무 목적을 확인한 뒤 필요한 AlphaEvidence 근거와 사용 가능한 문서·이미지 아티팩트를 불러옵니다. 보호가 필요한 외부 실행은 AlphaLayer가 적용된 경로로 보내고, 결과는 사용자의 검토와 다음 작업으로 돌아옵니다.

이 실행 구조는 여러 알파닥 기능에서 동작합니다. 근거 품질을 평가하는 범위와 방식은 기능에 따라 달라집니다.

읽은 문서를 다시 쓰는 지식으로

PDF, DOCX, HWP, CSV는 구조를 표현하는 방식이 서로 다릅니다. 텍스트만 뽑아내면 표와 문단, 원문의 위치와 처리 이력이 빠지기 쉽습니다.

AlphaDocument는 지원되는 문서를 구조와 출처가 함께 남는 Document Artifact로 바꿉니다. 같은 입력과 처리 기준에서 결과를 다시 확인할 수 있게 만들고, 문서 지식을 특정 화면 하나에 가두지 않습니다.

문서가 아티팩트로 이어지는 과정

지원 문서를 읽고 보존할 수 있는 구조와 원문 위치를 정리한 뒤, 처리 기준과 무결성 정보를 묶습니다. 만들어진 아티팩트는 알파닥에서 문서 맥락이 필요한 기능에 다시 쓰입니다.

핵심 엔진과 제품 연결 경로는 구현돼 있으며, 적용 범위를 넓히는 단계입니다. 보존 가능한 요소는 형식마다 다르므로 원본의 모든 표·이미지·페이지 배치를 그대로 재현하는 기술은 아닙니다.

해석 전에 입력을 바로 세우다

같은 이미지라도 형식과 방향, 크기와 좌표 기준이 다르면 다음 단계는 서로 다른 대상을 보게 됩니다. 원본과 변환본을 따로 다루면 무엇이 어디서 바뀌었는지도 놓치기 쉽습니다.

AlphaImage는 지원되는 정적 이미지를 일관된 표현과 좌표 체계로 정리하고, 원본과 기존 주석의 계보를 함께 남기는 Image Artifact를 만듭니다.

서로 다른 이미지를 하나의 기준으로

허용된 입력인지 확인한 뒤 안전한 공통 표현으로 바꾸고, 좌표 변환과 기존 주석의 출처를 아티팩트에 연결합니다. 후속 기능은 이 공통 기반을 다시 사용합니다.

기술 구현과 제한된 합성 입력의 실행 검증을 마쳤고, 알파닥 사용자 경로 활성화는 검토 중입니다. AlphaImage는 영상을 판독하거나 진단하는 기술이 아니며, 환자정보 처리 준비나 법적 적합성까지 확인한 상태도 아닙니다.

LLM의 자율성과 보안의 경계를 바로잡다

몇 개의 문자열을 가렸다고 의료 AI 실행이 통제되는 것은 아닙니다. 어떤 업무가 어떤 조건으로 외부 AI를 쓰는지 확인하고, 허용되지 않은 요청은 경계 밖으로 나가기 전에 멈춰야 합니다.

AlphaLayer는 AlphaDoc Engine과 외부 AI 실행 사이에서 등록된 목적과 요청 조건을 확인합니다. 지원되는 데이터 유형과 텍스트 범위에 정책을 적용하고, 필요한 실행 맥락만 다음 단계로 보냅니다.

선택된 실행만 경계를 건너는 길

선택된 보호 텍스트는 등록된 정책 경계를 거쳐 외부에서 실행됩니다. 돌아온 결과가 같은 요청에 속하는지 확인한 뒤 알파닥에 전달하고, 운영에 필요한 범위의 기록만 남기는 것이 원칙입니다.

현재 알파닥의 선택된 텍스트 기능에서 운영 검증됐습니다. 보호 범위는 모든 기능·식별정보 유형·이미지·원문 파일로 자동 확장되지 않으며, 환자정보 처리 준비나 법적 적합성과도 구분됩니다.

대화 내용과 전달 정보를 분리하다

전송 구간만 암호화하면 보관 단계에서는 서버가 내용을 읽을 수 있습니다. AlphaSeal이 적용된 1:1 쪽지는 본문을 참여자의 브라우저에서 암호화하고, 일반 저장 경로에는 암호문을 남깁니다.

발신자와 수신자, 시각, 읽음 상태처럼 전달에 필요한 메타데이터는 따로 남습니다. 신고된 내용은 당사자가 복호화해 제출할 수 있습니다. 따라서 AlphaSeal을 모든 대화 정보가 보이지 않는 기술로 표현하지 않습니다.

브라우저에서 봉인하고 상대의 브라우저에서 열다

지원되는 새 쪽지는 대화 맥락과 발신 순서에 묶여 암호화되고, 수신자의 브라우저에서 검증과 복호화를 거칩니다. 지원 환경과 복구 설정에 따라 키를 보호하고 기기 변경 경로를 제공합니다.

현재 적용 범위는 지원되는 1:1 쪽지입니다. 그룹 대화, 완전한 순방향 비밀성, 이미 침해된 사용자 브라우저의 보호, 환자정보 전송 적합성은 이 범위에 포함되지 않습니다.

우리만의 모델을 만드는 이유

의료기관 가운데는 환자 정보와 내부 자료를 외부 클라우드의 상용 AI로 보낼 수 없는 곳이 많습니다. 이런 기관에 의료 AI를 제공하려면 프론티어 API 없이 기관 안에서 구동하는 모델이 필요합니다. 바이오레가 모델을 직접 만드는 첫 번째 이유입니다. 두 번째는 효율입니다. 의료 답변의 품질을 유지하면서 더 적은 연산자원과 더 짧은 응답 시간으로 구동해야 기관이 감당할 수 있는 비용으로 운영할 수 있습니다. 세 번째는 검증입니다. 어떤 자료로 무엇을 학습했고 어떤 기준으로 평가했는지를 밝힐 수 있어야 의료인과 기관이 모델을 신뢰할 수 있습니다.

바이오레의 모델이 만들어지는 방식

검증된 공개 기반 모델 위에 의료 지식을 학습·최적화하는 접근입니다. 파운데이션 모델을 처음부터 학습하는 것이 아니라, 의료 업무에 필요한 성능을 더 작은 모델에서 끌어내는 데 집중합니다. 의료 성능은 AlphaEvidence의 근거 체계를 기준으로 프론티어 모델·대형 모델과 같은 조건에서 비교 평가합니다. AlphaDoc Engine은 처음부터 모델에 의존하지 않도록 설계했기 때문에, 바이오레의 모델은 외부 모델과 같은 자리에 들어갑니다. 기관 환경에서는 외부 모델을 대체하고, 클라우드 환경에서는 기관 정책에 따라 선택됩니다. 이후에는 기관이 허용한 범위와 적법한 권한 안에서 기관별 전용 모델로 확장하려 합니다.

개인의 AI를 기관의 AI로 넓히다

의료인들은 이미 개인 계정으로 AI를 업무에 쓰고 있습니다. 그러나 기관이 이를 업무 도구로 도입하려면 의료 업무에 맞는 기능만으로는 부족합니다. 데이터 보호와 사용 권한, 운영 기준과 감사 기록이 함께 갖춰져야 합니다. 바이오레는 이 요구를 두 갈래로 다룹니다. 하나는 기관 내부 서버나 폐쇄망에 설치하는 온프레미스 알파닥이고, 다른 하나는 기관의 정책에 따라 접근 권한과 민감정보 처리를 통제하는 기관 단위 보안 체계입니다. 온프레미스 환경에서는 07의 의료 특화 모델이 사내 서버에서 구동하며, 외부 모델 호출을 대체할 예정입니다.

AlphaLayer의 경계를 기관 단위로 다시 세우다

현재 AlphaLayer는 선택된 텍스트 경로에서 외부 AI 실행을 등록된 정책 경계로 묶습니다(05). 기관 단위 보안 체계는 이 경계를, 요청마다 인증과 접근 권한을 확인하고, 민감정보를 탐지·치환해 토큰으로 매핑하고, 입력과 첨부 자료를 검증하고, 허용된 모델만 호출하며, 응답의 누출과 복원 권한을 점검한 뒤 기관별 감사 기록과 보관 정책을 적용하는 구조로 넓히는 설계입니다. 검증에 실패한 요청은 경계 밖으로 나가기 전에 차단하는 것이 원칙입니다.