구글 리서치(Google Research) 엔지니어 안젤리카 윌리스(Angelica Willis)와 구글 포 헬스(Google for Health) 임상 책임자 니콜 영린(Nichole Young-Lin) 연구팀이 2026년 10월 21일 비전문 인력을 위한 온디바이스 인공지능 초음파 진단 모델의 다기관 전향적 임상 연구 결과를 공개했습니다. 이 시스템은 초음파 장비에 숙련되지 않은 현장 보건 인력이 저가형 휴대용 탐촉자로 복부를 쓸어내리는 블라인드 스윕(blind sweep) 방식을 적용합니다. 구글 리서치 공식 블로그에 따르면 이 기술은 대형 진단 장비와 외부 클라우드 통신망에 의존하던 기존 영상 판독 체계를 현장형 경량 인프라로 전환하는 것을 목표로 설계되었습니다. 세계보건기구(WHO) 집계 기준으로 전 세계 인구의 3분의 2가 초음파를 비롯한 진단 영상 의학 기술에 접근하지 못하고 있으며 매년 25만 건 이상의 예방 가능한 임신 합병증 사망이 발생하고 있습니다. 지금까지 산부인과 초음파 검사는 대당 수천만 원을 웃도는 고가의 대형 콘솔 장비와 해부학적 단면을 직접 찾아내야 하는 숙련 인력의 손길이 필수적이었습니다. 이번 연구는 고사양 서버 연산이나 안정적인 통신망이 갖춰지지 않은 일선 보건 환경을 겨냥해, 저가형 스마트폰 연동 초음파 탐촉자와 기기 내부에서 직접 구동되는 온디바이스 머신러닝 연산을 결합했습니다. 의료 인력 양성과 운영 효율 측면에서 인적 자원 투입 지표의 변화는 두드러집니다. 통상 복부 초음파 영상을 안정적으로 획득하고 단면을 판독하기 위해서는 약 2년의 집중적인 전문 초음파사(sonographer) 수련 기간이 요구되었습니다. 반면 구글이 제시한 표준화된 블라인드 스윕 프로토콜은 기기 조작 경험이 전혀 없는 인력이라도 약 8시간의 기초 교육만 거치면 현장 투입이 가능합니다. 현장 운영자의 수련 소요 기간이 2년(약 1만 7520시간)에서 8시간 단위로 단축되면서 인력 양성에 드는 시간 비용을 대폭 절감했습니다. 장비 조작자가 규정된 경로를 벗어나거나 영상 품질이 미흡할 경우 온디바이스 AI 모델이 즉각적인 재촬영 안내를 제공해 작업 편차를 줄였습니다. 임상 유효성 검증은 지역과 인프라 조건이 상이한 두 개 대륙에서 대규모로 진행되었습니다. 케냐 비영리 단체 자카란다 헬스(Jacaranda Health)와 미국 노스웨스턴 의대(Northwestern Medicine)가 협력해 케냐 나이로비 1,000명, 미국 시카고 1,000명 등 총 2,000명의 산모 데이터를 수집했습니다. 연구 결과 비전문가가 수집한 영상 데이터를 해석한 온디바이스 AI 모델은 태아의 임신 주수(gestational age)와 태위(fetal presentation)를 정규 수련 과정을 거친 전문 초음파사와 대등한 수준으로 판정했습니다. 통신 연결이 완전히 차단된 오프라인 환경에서도 추론 지연 없이 판독 결과를 도출해 현장 자립성을 높였습니다. 다만 시스템의 판별 범위는 실질적 도입 검토에서 고려해야 할 기술적 한계로 지목됩니다. 현재 이 모델은 임신 주수 추정과 역아 여부를 파악하는 태위 등 두 가지 핵심 지표에 집중되어 있으며, 태아 기형이나 태반 이상과 같은 다변수 복합 질환 판독은 지원하지 않습니다. 그럼에도 클라우드 API 호출에 따른 지속적인 데이터 송수신 비용과 지연 시간을 제거하고 통신 두절 환경에서도 100% 온디바이스로 작동한다는 점은 현장 배포의 진입 장벽을 낮추는 요소입니다. 대규모 중앙 데이터센터 기반의 고비용 진단 인프라를 유지하기 어려운 의료 기관일수록 단기 교육 모델과 로컬 추론 엣지 디바이스 결합 체계를 우선 도입할 것으로 전망됩니다.