1. 논문관련 분야의 소개, 동향, 전망을 설명, 연구과정에서 생긴 에피소드

본 연구는 얼굴 익명화(face anonymization) 기술에서 발생하는 인종적 편향(demographic bias)을 근본적으로 해결하는 프레임워크를 제안한 연구입니다.

얼굴 익명화는 의료 영상이나 연구 데이터에서 개인정보를 보호하면서 데이터의 활용 가치를 유지하는 기술로, 최근 확산 모델(diffusion model) 기반 생성형 AI의 도입으로 고품질 익명화가 가능해졌습니다. 그러나 CelebA, FFHQ 등 주요 학습 데이터셋의 인종 불균형으로 인해 아시아인 등 소수 그룹에서 생성 품질이 저하되는 편향이 보고되어 왔습니다. 프라이버시라는 윤리적 문제를 해결하면서 인종 편향이라는 또 다른 문제를 만들어내고 있었습니다. 기존 연구들은 데이터 보강이나 후처리 보정 등으로 이 문제에 대응했지만, 편향의 '증상'을 다루는 데 그쳐 근본적인 해결에는 이르지 못했습니다.

저희는 이러한 기존 방법들이 왜 한계를 보이는지 먼저 분석했고, 편향의 핵심 원인이 텍스트 인코더 임베딩 공간 내의 '의미적 얽힘’(semantic entanglement)'에 있다는 점을 진단하였습니다. 서로 다른 인종의 임베딩 벡터가 기본 표현에 얽혀 충분히 분리되지 않아, 후처리만으로는 편향이 재발할 수밖에 없는 구조적 문제였습니다. 이 진단을 바탕으로 FairAnon이라는 2단계 프레임워크를 제안하였습니다. 1단계에서는 Orthogonal Semantic Guidance(OSG)를 통해 인종 간 임베딩 벡터를 직교하도록 강제하여, 각 인종 그룹이 독립적인 의미 방향을 갖도록 임베딩 공간 자체를 재구조화하였습니다. 2단계에서는 OSG가 모델을 충분히 안정화시키므로 기존 선호도 학습에서 필요한 참조 모델 없이도 학습이 가능하다는 점을 보이고, Simple Preference Optimization(SimPO)을 적용하여 사람이 보기에 자연스러운 얼굴을 생성하도록 하였습니다. 또한 피부질환 얼굴 이미지 익명화를 통해 의료 영역에서의 활용 가능성도 검증하였습니다.

생성 AI 분야에서 공정성(fairness)은 점점 중요한 연구 주제가 되고 있습니다. 본 연구가 제시한 의미 공간 재구조화 접근법은 얼굴 익명화를 넘어 편향 문제를 안고 있는 다양한 생성 모델에도 적용될 수 있을 것으로 기대합니다.

2. 연구를 진행했던 소속기관 또는 연구소에 대해 소개 부탁드립니다.

본 연구는 서울대학교 이동헌 교수님 연구팀과 충남대학교병원 성형외과 송승한 교수님 연구팀의 공동연구입니다. 저는 충남대학교 의과대학 의공학과에서 박사과정으로 재학 중이며, 서울대학교 의생명지능연구실(Biomedical Intelligence Lab, http://bilab.snu.ac.kr)에서 인공지능을 이용한 의료영상처리 연구를 수행하고 있습니다. 저희 연구실에서는 의료영상 분석, 컴퓨터 비전, 생성 모델 등 다양한 딥러닝 기술을 임상 문제에 적용하는 연구를 진행하고 있으며, 여러 임상과와 협업하고 있습니다.
본 연구에는 충남대학교병원, 분당서울대학교병원, 한림대학교 강남성심병원 등 다기관이 참여하였습니다. 충남대학교병원 성형외과에서는 얼굴 분할(segmentation) 모델 학습을 위한 17,697장의 임상 데이터를 제공하였고, 분당서울대학교병원과 한림대학교 강남성심병원에서는 6,000장의 피부질환 임상 데이터를 제공하여 의료 영역에서의 검증을 가능하게 하였습니다. 이처럼 공학과 임상이 협업할 수 있는 환경이 본 연구에서 중요한 역할을 했습니다.

3. 연구 활동 하시면서 평소 느끼신 점 또는 자부심, 보람

연구를 하면서 가장 즐거운 순간은 기존 방법이 왜 안 되는지 원인을 찾아내고, 그것을 실제로 해결했을 때입니다. 이번 연구에서는 OSG 적용 후 아시아인 얼굴이 제대로 생성되는 것을 확인한 순간, 그리고 피부과 전문의분들의 임상 평가에서 98.9%의 정확도를 확인한 순간이 특히 기억에 남습니다. 의료 AI 연구는 이러한 기술적 성과가 실제 환자와 의료진에게 도움이 될 수 있다는 점에서, 연구를 계속하게 만드는 동기가 됩니다.

4. 이 분야로 진학하려는 후배들 또는 유학준비생들에게 도움이 되는 말씀을 해 주신다면?

의료 AI 연구에서 가장 중요한 것은 문제를 정확히 정의하는 능력이라고 생각합니다. 최신 기술을 공부하고 적용하는 것도 중요하지만, 그에 앞서 "기존 방법이 왜 안 되는가", "왜 이 기술이 필요한가"를 먼저 파악해야 좋은 해결책으로 이어집니다. 그리고 문제를 잘 정의하려면 결국 임상 현장의 선생님들과 소통하며 실제 필요를 이해하는 과정이 필요합니다. 처음에는 서로 다른 용어와 관점 때문에 소통이 쉽지 않지만, 그 간극을 좁혀가는 과정 자체가 의료 AI 연구자로서 중요한 역량이 된다고 생각합니다.

5. 연구 활동과 관련된 앞으로의 계획이 있으시다면?

현재 본 연구를 피부과 영역으로 확장한 후속연구를 진행하고 있으며, 영상의학과 등 다른 임상과와의 의료 AI 연구도 준비하고 있습니다. 올해 하반기 졸업 후에는 서울대학교병원에서 연구교수로 이러한 연구들을 이어갈 계획입니다.

6. 다른 하시고 싶은 이야기들.....

먼저 하나님께 감사를 드립니다. 항상 인도해 주시는 은혜에 감사드립니다.
지도교수이신 이동헌 교수님께 깊은 감사의 말씀을 드립니다. 교수님께서는 학생이 연구에 집중할 수 있는 환경을 만들어주시면서도, 스스로 해낼 수 있도록 기다려주시는 분이셨습니다. 방향을 잡아야 할 때는 명확한 기준을 제시해 주셨고, 부족한 부분에 대해서는 여러 번 기회를 주시며 다잡아 주셨습니다. 학위과정 동안 연구뿐 아니라 연구자로서의 자세에 대해서도 많이 배웠습니다. 졸업 이후에도 교수님께 배운 것들을 잊지 않겠습니다.
임상적으로 많은 자문과 지도를 해주신 충남대학교병원 성형외과 송승한 교수님께도 감사드립니다. 교수님 덕분에 공학적 아이디어가 임상적으로 의미 있는 연구로 발전할 수 있었습니다.
밤낮으로 함께 고생하는 연구실 동료들에게도 감사의 마음을 전합니다. 그리고 본 연구에 참여해 주신 충남대학교병원, 분당서울대학교병원, 한림대학교 강남성심병원의 선생님들께 진심으로 감사드립니다.
마지막으로, 항상 묵묵히 응원해 주는 아내와 부모님께 사랑과 감사를 전하고 싶습니다.