UNIST 학부생 4명으로 이뤄진 ‘울세이너(ULSANER)’ 팀이 국제 의료 인공지능 경진대회 ‘AI in Healthcare Hackathon 2026’에서 최종 3위를 차지했다. 울세이너는 지난달 27~28일 우즈베키스탄에서 열린 결선에서 1차 모델 성능 평가 1위를 기록한 뒤, 최종 발표 심사까지 통과해 시상대에 올랐다.

팀은 산업공학과 이정재·김민성, 컴퓨터공학과 전민국, 바이오메디컬공학과 조혜리 학생으로 구성됐다. 대회는 우즈베키스탄 Central Asian University(CAU)가 주관한 ‘CAU Tech Hackathon 2026’ 의료 AI 부문으로, 17개국에서 1200여 명, 300여 팀이 참가했다.

팀 리더 이정재 학생은 “산업공학과에서 쌓은 지식과 프로젝트 경험이 이번 해커톤의 밑바탕이 됐다”며 “전공이 다른 팀원들과 역할을 나눠 끝까지 완성도를 끌어올린 과정이 뜻깊었다”고 말했다.

예선은 국내에서 지원서와 소개 영상 심사로 진행됐고, 이를 통과한 58개 팀이 현지 결선에 진출했다. 파이널 라운드는 두 단계로 치러졌다. 1차에서는 모델 성능으로 상위 10개 팀을 추렸고, 2차에서는 발표와 질의응답, UI 구현 능력까지 합산해 최종 순위를 가렸다. 점수만 높다고 통하는 무대가 아니라, 결과를 어떻게 설명하고 실제 활용 장면까지 얼마나 설득력 있게 구현하느냐가 최종 순위를 갈랐다.

참가팀에 주어진 과제는 실제 의료 바이옵시 이미지 데이터를 바탕으로 피부 병변을 읽어내는 일이었다. 질환명이 공개되지 않은 12종의 병변 이미지를 분류하고, 병변 부위를 정확히 짚어내는 분할 과제를 함께 풀어야 했다.

울세이너는 피부 병변 이미지를 분석해 질환을 가려내고 병변 영역을 찾아내는 AI 모델을 구축했다. 이 과정에서 오토리서치(Autoresearch) 프레임워크를 활용해 모델 구조와 하이퍼파라미터 조합을 반복적으로 시험했다. 여러 후보 모델을 동일한 조건에서 비교한 뒤 성능 변곡점을 기준으로 우수 모델군을 추렸고, 마지막에는 예측 확률을 평균내는 앙상블 기법을 적용해 새로운 데이터에서도 안정적인 성능을 확보했다.

교차검증으로 결과의 신뢰도를 끌어올린 점도 눈에 띄었다. 특히 초점 손실(Focal Loss)을 적용한 클래스 불균형 보정과 다양한 데이터 증강 기법을 더해 성능을 한층 높였다. 그 결과 상위 2개 모델을 결합한 앙상블은 분할 성능 지표인 IoU를 0.8474에서 0.8528로 키웠다. 결선 1차 1위는 여러 조건에서 성능을 검증하고 다듬은 끝에 얻은 결과였다.

최종 심사에서는 모델 점수만으로 판가름 나지 않았다. 울세이너는 ‘스킨스캐너(SkinScanner)’ 웹사이트를 구현해 이미지 업로드부터 질환 분류 결과, 병변 분할 시각화까지 한눈에 확인할 수 있도록 했다.

여기에 피부 병변 진단 기준인 ‘ABCD rule’도 반영했다. 비대칭성(Asymmetry), 경계(Border), 색상(Color), 직경(Diameter) 정보를 함께 제시해 사용자가 결과를 직관적으로 읽을 수 있게 했다. 높은 정확도를 실제 사용 경험으로 풀어낸 점이 발표 심사에서도 강점으로 작용한 것이다.

김민성 학생은 “병변 분류와 분할은 결국 복잡한 데이터 속에서 비정상 신호를 포착하는 일”이라며 “의료를 넘어 제조와 금융 현장에서도 신뢰할 수 있는 이상 탐지 모델을 연구하고 싶다”고 소감을 전했다.

전민국 학생은 “오토리서치 기반 접근으로 모델 개발 과정을 자동화하고 효율화하는 경험을 할 수 있었다”며 “이번 경험을 바탕으로 앞으로는 에이전트 기반 연구를 더 발전시키고 싶다”고 덧붙였다.

조혜리 학생은 “AI의 경쟁력은 단순한 정확도에만 있지 않고, 결과에 대한 신뢰를 어떻게 쌓느냐에 달려 있다는 점을 이번 대회를 통해 실감했다”고 밝혔다.