환자 데이터는 장치 밖을 나가지 않는다: OpenMed가 의료 AI를 바꾸는 방식

의료 AI의 최대 장벽은 성능이 아니라 데이터다. 의무기록을 GPT API에 넣는 순간 HIPAA·GDPR 위반 리스크가 생긴다. OpenMed는 이 딜레마를 정면으로 겨냥한다. 임상 텍스트 분석, 개인정보 비식별화, 1,000개 이상의 의료 특화 모델 — 모두 장치 밖을 나가지 않고 실행된다. 오늘 하루 별 427개가 쏟아지며 GitHub 트렌딩에 오른 이유를 분석한다.

이게 뭔가

한 마디로, "클라우드 없는 임상 NLP 툴킷"이다. 의사 소견서나 처방전 같은 비정형 텍스트를 넣으면 질환명·약물·수치 같은 의료 개체를 추출하거나 이름·생년월일·환자번호(MRN) 등 개인정보를 자동으로 마스킹한다.

Python 패키지(pip install openmed) 한 줄로 시작하거나 Swift Package로 iPhone·iPad 앱에 직접 붙인다. Apple Silicon의 MLX 프레임워크 덕분에 M-칩 맥과 최신 iPhone에서 7B 규모 LLM도 뉴럴엔진 위에서 구동된다. 서버도 없고 API 키도 없고 벤더 종속도 없다.

왜 지금 뜨는가

세 흐름이 동시에 임계점을 넘었다.

① 규제 압박의 현실화. HIPAA·GDPR·국내 개인정보보호법 모두 외부 클라우드로 환자 데이터를 전송하는 행위를 고위험으로 다룬다. 의료 현장에서 ChatGPT API를 쓰는 건 법적 지뢰밭이다. 온프레미스 AI 수요가 실질적으로 한꺼번에 터졌다.

② Apple Silicon의 실용화. M3·M4 시리즈는 통합 메모리 16128GB로 노트북에서 7B14B 모델을 실용적 속도로 구동한다. MLX 백엔드가 iPhone에서의 온디바이스 추론 문을 열었다.

③ DeepSeek·Qwen 생태계 팽창. 오픈소스 고성능 모델이 폭발적으로 늘어나면서 OpenMed가 HuggingFace에 1,000개 이상의 의료 특화 체크포인트를 쌓을 수 있는 토대가 됐다. arXiv 논문(2508.01630)까지 나오며 학술 신뢰도가 더해졌다.

핵심 기능

• 의료 NER: 질환·약물·처치·검사 수치를 임상 기록에서 구조화된 JSON으로 추출
• PII 비식별화: 247개 체크포인트, 12개 언어 지원. 이름·주민번호·MRN 자동 마스킹
• 온프레미스 LLM: DeepSeek·Qwen 기반 의료 특화 모델, 외부 API 호출 0
• Swift/iOS 네이티브: OpenMedKit Swift Package로 iPhone·macOS 앱에 3줄 통합

누구에게 쓸모 있나

대상	활용 시나리오
의료 스타트업	HIPAA 준수 임상 데이터 파이프라인 구축
병원 IT 부서	온프레미스 의무기록 분석 및 비식별화
의료 AI 연구자	사전학습 의료 모델 파인튜닝 베이스라인
iOS 개발자	환자 기록 앱에 클라우드 없는 AI 기능 추가

시작하기

pip install openmed   # Python 3.10 이상 필요

Apple Silicon 환경이면 MLX 백엔드가 자동 활성화된다. 공식 문서는 openmed.life/docs 참조.

사용 예시

① 임상 텍스트에서 의료 개체 추출 — 질환명·약물명·용량을 JSON으로 반환한다.

from openmed import MedNER

ner = MedNER()
text = "Patient has Type 2 diabetes. Prescribed Metformin 500mg twice daily."
entities = ner.extract(text)
# → [{'text': 'Type 2 diabetes', 'label': 'DISEASE'},
#    {'text': 'Metformin 500mg', 'label': 'DRUG'}]
print(entities)

② 의무기록 PII 자동 마스킹 — 이름·생년월일 등을 플레이스홀더로 교체해 안전한 연구용 텍스트를 만든다.

from openmed import PIIDetector

pii = PIIDetector()
note = "John Smith, DOB 1980-01-15, MRN 99821 admitted with chest pain."
print(pii.deidentify(note))
# → "[NAME] [DOB] [MRN] admitted with chest pain."

③ Swift — iPhone 앱에서 온디바이스 NER — Swift Package Manager로 추가 후 세 줄로 동작한다.

import OpenMedKit

let model = try await OpenMedModel.load("openmed-ner-clinical")
let result = try await model.extract(text: "Patient prescribed Aspirin 100mg daily.")
// result.entities → [{text: "Aspirin 100mg", label: "DRUG"}]

위 예시는 공식 README와 문서의 기술 설명을 따른 코드다. 최신 API는 openmed.life/docs에서 반드시 확인하라.

한계·주의

• 한국어 지원 제한: 12개 언어를 지원하나 한국어 의료 모델 목록은 아직 얇다. 한글 의무기록에 그대로 적용하면 성능 저하가 크다.
• 하드웨어 요건: "온디바이스"라도 7B 이상 모델은 최소 8GB RAM이 필요하다. 구형 기기에서는 경량 모델로 제한된다.
• 임상 미검증: 커뮤니티 오픈소스 프로젝트다. 의료 현장 의사결정에 직접 쓰려면 별도 임상 검증이 반드시 필요하다.
• API 안정성: 2025년 하반기에 등장한 초기 프로젝트로, API 변경과 문서화가 진행 중이다. 프로덕션 적용 전 버전 고정을 권장한다.

규제가 높은 의료 영역에서 "클라우드 없는 AI"는 선택지가 아닌 전제조건이 되고 있다. OpenMed는 그 수요의 첫 번째 실용적 오픈소스 해답 중 하나다. 지금은 거친 초기 단계지만 커뮤니티 속도를 보면 6개월 후가 기대된다.