Lunit擴大醫療AI應用範圍，從醫院業務到癌症生物標記全方位布局

Lunit正擴大醫療AI的應用範圍。Lunit完成科學技術資訊通信部的「AI特化基礎模型」專案，並開發公開醫療特化基礎模型「LearningUnit 2.0」。Lunit於6日宣布LearningUnit 2.0的開發事實。

LearningUnit 2.0以300億參數規模設計。不過，實際啟用參數約為50億個。據此，LearningUnit 2.0已輕量化，可在醫療機構內部運行。

此專案共有23個產學研醫參與機構共同投入。Lunit約花了10個月主導聯盟，並推進模型開發與醫療現場實證。

Lunit將開發成果以開放原始碼形式公開於Hugging Face。此外，也在美國免疫腫瘤學會（SITC 2026）發表AI生物標記共同研究結果。

LearningUnit 2.0的設計目標，不僅限於醫療問答，而是支援實際醫院作業。該系統可支援臨床決策、急診患者分流、多專科診療、藥物不良反應評估，以及保險審核與申報，並以資料分析與判斷依據提示為基礎，串接後續作業。

為確認這項架構，國民健康保險一山醫院、建陽大學醫院、高麗大學醫療院等全國9家醫療機構進行了約6個月的現場實證。在多專科診療評估中，AI提出的治療方針有86.2%被評為臨床上合理。急診室嚴重度分級方面，與專科醫師判斷在1級以內一致的比率為98%；在藥物不良反應因果性判定中，與專科醫師判斷在1級以內一致的比率也為98%。保險審核與申報評估方面，模型回答有85.6%被評為可供實務使用的水準。

Lunit表示，除了這些個別現場實證結果外，在醫療知識推理、引用事實性、醫療對話穩定性等主要基準上，也達成了目標性能。

Lunit正在擴大AI基礎癌症生物標記研究。該公司在推進模型開發的同時，也持續擴展AI生物標記研究範圍，並將於4日至8日在美國亞利桑那州鳳凰城舉行的「SITC 2026」上，以使用「Lunit Scope」的2項全球共同研究形式發表成果。

其中，與Labcorp的共同研究分析了339名卵巢癌患者的組織，觀察是否具有同源重組修復缺陷（HRD）所造成的差異。分析結果顯示，HRD患者群的腫瘤內分裂中細胞密度，較HRP患者群高約1.5倍。此外，HRD患者群的腫瘤突變負荷（TMB）為每1Mb 6.2個，而HRP患者群的腫瘤突變負荷（TMB）為每1Mb 3.1個，確認HRD患者群的TMB約為HRP患者群的2倍。

研究團隊接著套用僅以H&E影像即可預測HRD與否的AI模型。結果顯示，AI算出的HRD分數與以基因檢測測得的基因體不穩定性分數（GIS）呈現統計上顯著的相關性。

Lunit與CellCarta進行共同研究，並分析肌肉侵襲性膀胱癌患者在免疫療法治療前後的組織。此次共同研究內容，是比較治療前後組織中反應組與非反應組的免疫細胞分布，以及與腫瘤細胞之間距離的差異。分析結果顯示，在治療反應組中，T細胞有靠近腫瘤細胞的傾向；在非反應組中，免疫細胞浸潤較少。此外，非反應組中T細胞與腫瘤細胞的距離相對較遠。

Lunit對此結果表示，這證實免疫療法反應不僅與免疫細胞數量有關，也可能與細胞位置及空間結構相關。基於此，Lunit正規劃運用AI基礎組織分析，量化癌細胞與免疫細胞的分布，以及癌細胞與免疫細胞的空間關係。此外，Lunit也推動將這些量化結果用於預測治療反應。

同時，Lunit代表理事徐範錫表示，LearningUnit 2.0並非限於特定疾病或單一功能，而是支援醫院整體業務的模型。徐代表也說，該公司正以現場實證與全球共同研究為基礎，推動可用於臨床與研究的醫療AI技術升級。

來源: TECHWORLD · Kim Seung-gi 原文: https://www.epnc.co.kr/news/articleView.html?idxno=409369

參考資料

• https://www.epnc.co.kr/news/articleView.html?idxno=409369