딥러닝을 통한 무한상상, Deep imagine을 만나다!

알파고와 이세돌의 대국이 이후로

 “딥러닝”과 “인공지능”에 대한 관심이 굉장히 높아졌습니다.

그래서 오늘은 이 “딥러닝” 기술을 활용한 

스마트콘텐츠센터의 입주기업, 딥이메진을 취재해보았습니다!

이세돌 대국 이후 google에서 의료분야 및 헬스케어 분야의 

혁신을 일으키겠다고 발표했는데요.

국내에서 유명한 헬스케어 스타트업으로 LUNIT과 VUNO가 있답니다.

 

이 두 회사들은 모두 "딥러닝"을 통한

"이미지 인식 기술"을 갖고 있습니다. 

주로 X-ray, CT, MRI나 조직검사시 병리조직을 검사할 때 

기계가 스스로 병변부위를 판단할 수 있도록 하고 있습니다.

▲ chest x-ray에서 폐렴의 병변 부위

▲ 조직검사시 체세포 분열(유사 분열)의 부위

▲ 이미지 인식을 통한 사물인식                                 ▲ 이미지 인식을 통한 성별 인식

Q 안녕하세요 대표님. 자기소개와 회사소개 부탁드립니다.

A 안녕하세요. Deep imagine 대표 박성수입니다.

저는 대학교때 IT를 전공했고,

 IT벤처 회사와 한국전력공사에서 근무했었습니다. 

어떤 분야에 전문 지식이 없이도 전문가만큼의 좋은 결과를 내놓는

“딥러닝 기술”을 보고 무한한 매력을 느껴서

 이렇게 스타트업을 만들게 되었습니다. 

저희 Deep imagine은 딥러닝 기술을 이용한

 이미지 인식 기술을 기반으로 

한 여러 가지 서비스를 개발하고 제공하는 회사입니다. 

특히, 저희 회사는 IT를 전공한 직원들과

 생물학을 전공한 직원들이 함께 있어

IT와 BT의 융합을 추구합니다.

 

Q 회사이름이 조금 특이한 것 같은데,

 Deep imagine으로 지으신 이유가 무엇인가요?

A  저희 회사의 핵심이 딥러닝 기술이기도 하고, 

제가 deep purple이란 그룹을 좋아하고

 비틀즈 노래 중 imagine을 좋아하는데 

이 두개를 합쳐서 만든 것입니다. 

또, 자유로운 상상력을 발휘하는 회사가 되자는 의미에서도

 이름을 이렇게 지었습니다.

Q  여러 가지 사업을 하시는 것 같은데, 

각각이 서로 다른 분야에 속한 것 같습니다. 

한 개의 회사가 이렇게 여러 가지 사업이 가능한가요?

A 위 사업들은 "딥러닝 기술" 자체가 핵심입니다.

저희 회사는 이미지 인식 경쟁 기술대회2015(ILSVRC2015)라는

 세계대회에서 국내 1위를 할 정도의 

딥러닝 기반의 이미지 인식 기술을 보유하고 있습니다. 

처음 회사를 차리고 비즈니스 모델을 찾다보니 

저희가 가진 기술로 어떤 분야들이 가능할까 생각을 해보았습니다. 

그 결과 영상을 통한 오프라인 고객정보분석, X-ray 나CT 등의 

의료영상분석, 중고 물건이 올라왔을 때 

판매자가 실제로 물건을 찍은 것인지 인터넷 사진을 베낀 것인지

 판별하는 실사 이미지 판별 등 다양한 분야를 생각했었습니다.

하지만 지금은 유전체 분석 및 검색 플랫폼을

 만드는 것을 주 목표로 삼았습니다. 

또, 비즈니스 모델 또한 이 서비스의 타겟인

 연구자들을 통해 만들 생각입니다.

 

Q 유전체 분석 및 검색 플랫폼을 주사업으로 정하셨는데,

제가 알기로는 이미 연구자들 사이에서 유전체 DB가 구축되있는 것으로 압니다.

 Deep imagine에서 제공할 서비스가 그 DB와 어떤 차별점이 있나요?

A  여태까지 유전체 DB들은 단순히 자료를 쌓아놓고 있는 상황입니다. 

외국 실리콘밸리같은 경우에는 연구를 위해 

유용한 insight를 뽑아낼 수 있는 기반들이 구축이 되있는데, 

우리 나라에는 아직 부족한 상황입니다. 

딥러닝을 통해 유전체에서 "암"과 같은 특정 질환을 detection하고,

 stage를 분류한 뒤 어떤 유전자 혹은 단백질이

biomaker일 확률이 높은 지에 대한 

정보까지 알려줄 수 있는 서비스를 제공할 예정입니다. 

직접 서비스가 새로운 정보를 말해주지 않는다면, 

최소한 연구자들이 유전체와 유전자들에 대한 정보가 잘 시각화된

 저희 플랫폼을 보고 새로운 사실을 이끌어낼 수 있도록 

도움을 주는 서비스를 만들 것입니다.

 

Q  취재 전에 Deep imagine에 대한 정보를 찾아보았는데 

아직 정보가 많이 없습니다. 

또, 구체적인 서비스가 아직 없는건가요? 

없다면 현재 어떻게 수익을 만들고 계신가요?

A  저희의 주 목표에 해당하는 서비스는 내년에 선보일 예정입니다. 

또, 그 서비스와 관련해서 암 유전자에 대한 

sequencing 기술, 논문 등을 발표할 계획입니다. 

그리고 저희 회사의 사업 중에는 아까 말씀드린 

주요 사업 외에도 임베디드 SW, 코덱 등의 분야가 있습니다. 

이것들은 저희 직원들이 Deep imagine에 들어오기 전에 했었던 일들입니다. 

여태까지 수익을 만들기 위해 이 작업들을 조금 했었습니다.

 

Q  최근에 디지털 헬스케어가 핫한 분야인데,  

주 사업으로 잡지 않은 이유가 있나요?

A  생각보다 의학계가 변화하는 속도가 늦기 때문입니다. 

디지털 헬스케어가 의사분들이 연구 실적을 쌓기에는 좋지만

정작 임상현장에서 이러한 새로운 변화들을 활용하기가 어렵습니다. 

또, 병원 입장에서도 디지털 헬스 케어가 

실제로 큰 수익으로 이어질 것이라고 기대하기 힘듭니다.

장기적으로는 좋은 시장이지만 당장은 여러 한계점들이 있기 때문에 

주사업으로 생각하지 않았습니다.

 

Q image net에서 주관하는 "ILSVRC2015"라는 세계 대회에서

 이미지 인식 분야에서 국내 1위를 하셨다고 들었습니다. 

이 대회는 무엇인가요? 

그리고 LUNIT과 VUNO 또한 이 대회에서 

우수한 성적을 거두었다고 들었습니다. 

이 두 회사에 비해 Deep imagine만이 갖고 있는 장점은 무엇인가요?

A  ILSVRC2015라는 대회는 이미지인식 및 

딥러닝기술 분야 최고 권위로 인정받는 곳입니다. 

그 대회에서 종목으로 자연어, 이미지/위치검출, 분류하기로 나누어져 있는데, 

저희는 이미지/위치검출 분야로 대회를 나갔습니다. 

아직 저희가 구체적인 서비스를 시작하지 않아서

 두 회사에 비해 어떤 점이 장점이다라고 말하기 힘들지만, 

두 가지 차별점은 있다고 생각합니다.

첫째, 저희는 두 회사와 달리 의료 영상쪽이 주사업이 아닙니다. 

둘째, 저희는 IT와 BT의 융합을 추구하고 있습니다.

두 회사와 자세한 분야가 같지 않기 때문에 다른 시너지를 낼 수 있지 않을까요?

Q 제가 알기로는 플랫폼 사업에 쓰일 data를 구하는 것이 쉽지 않다고 알고 있습니다.

특히 수익 목적으로 하는 경우 open된 data를 쓸 수 없는 경우가 많다고 들었습니다. 

Deep imagine은 유전체 검색 및 분석 플랫폼을 만들기 위한

data들은 어떻게 확보하신 건가요?

A  유전체 분야에 있어서 open된 정보를 제공하는 사이트들이 있습니다. 

예를 들어 NIH가 운영하는 NCBI (http://www.ncbi.nlm.nih.gov/), TCGA(The Cancer Genome Atlas,

http://cancergenome.nih.gov/) 등이 있습니다. 

이쪽 분야에서 논문을 내려면 꼭 NCBI에 등록해야되므로 update도 잘 됩니다. 

저희 팀원 중 NIH에서 postdoc을 하신 분이 있어서

 이쪽 data를 파악하기가 용이했습니다. 

두 곳은 단순한 DB로 아직 연구자들이 연구를 

보다 더 잘할 수 있도록 돕는 플랫폼은 여태까지 국내에 없었습니다.

연구분야에 속한 팀원이 연구자분들이 이런 needs가 있다고 알려주기도 했구요.

Q 여러 사업을 하시고, 다양한 분야를 생각하시다가 

결국 주 사업을 유전체 플랫폼으로 방향을 잡으셨는데요, 

이렇게 변화가 많은 상황에 회사의 정체성을 유지할 수 있는 비결이 무엇인가요?

A 구체적인 아이템은 언제든지 바꿀 수 있다고 생각합니다.

딥러닝 기술 자체가 많은 분야에 적용 가능하기 때문에

 다양한 분야를 생각하게 됬던 것 같습니다. 

심지어 기상청이나 금융 로보 어드바이저 쪽에서도 

컨택이 온 적도 있을 정도에요. 

하지만 같이 일하는 "사람"은 

바뀌면 안되는 중요한 요소라고 생각합니다. 

같이 일하는 사람에 집중하다보니 

회사가 변화가 많았던 도중에도 유지되었던 것 같습니다.

 

Q 딥러닝 자체가 진입장벽이 큰 기술이라고 알고 있습니다. 

또, 연구자를 주 타겟으로 서비스를 하는 기업이 많지가 않다고 알고 있습니다. 

이렇게 일반적이지 않은 분야에서 회사를 운영하실 때 특별히 어려운 점은 무엇인가요?

A  앞에서도 말씀드렸듯이 저희 회사는 BT(생물학)과 IT의 융합이 목표입니다. 

하지만 처음에는 팀원들끼리 전공이 달라서 의사소통이 많이 힘들었습니다. 

특히 초반에 서로의 학문의 고유한 용어들을 잘 모르고, 

또 설명하기가 쉽지 않아서 고생이 많았습니다. 

그리고 저희 팀원 중 BT를 전공하시는 분들이 카이스트에 있어서 

회의를 할때 지리적으로 어려움이 있었습니다.

 

Q 딥러닝의 매력은 무엇인가요?

A  우선 딥러닝은 이전 기술에 비해 혁신적이었습니다.

예전에는 얼굴을 인식하는 기술을 활용하려면 

꼭 사람의 "정면"사진이 필요했고 적당한 "조명"이 필요했습니다. 

이 두조건이 맞지 않으면 얼굴 인식에 제약이 많았구요.

또, 어떤 분야에 관한 전문지식이 없어도 data 축적만으로 

전문적 지식을 가진 사람의 판단 못지 않은 

좋은 결과를 낸다는 것이 매력적이었습니다. 

가령 의료분야라면 전문의가 의료영상을 보고 

진단하는 것보다 정확한 진단을 할 수 있습니다. 

게다가, 기술이 적용될 수 있는 분야가 다양합니다.

음성 인식, 금융, 기상 거의 모든 분야에 가깝습니다. 

저는 알파고가 화제가 되기 훨씬 전부터 이 기술에 주목하였습니다. 

처음에는 딥러닝이 혁신적인 결과를 가져올 것이라는 것을 

의심하는 분들도 있었습니다. 

하지만 지금에 와서 보면 이 기술로 인해 패러다임이 바뀌고 있습니다. 

외국에서는 이미 많이 도입이 됬는데, 

이정도면 선택의 여지가 없는 필수적인 기술이라고 할 수 있지 않을까요?

 

Q 긴 시간 인터뷰 감사드립니다. 마지막으로 하고 싶으신 말이 있으신가요?

A  앞으로 장차 더욱 다양한 분야를 전공하신 분들이 저희 회사에 합류했으면 좋겠습니다. 

더욱 다양한 지식이 녹아들면 새로운 무언가가 나오지 않을까요? 

이렇게 다양한 분들이 어우러져 한가지 목표를 향해 달려나가면 

혁신적인 성과가 나올 것으로 기대합니다.