🧬 AI 헬스케어 과정을 통해 의료영상 연구원으로 조기 취업에 성공한 이야기
“바이오 전공도 AI 헬스케어 분야 취업으로 이어질 수 있을까?”
AI 헬스케어 과정 지원을 고민하는 분들이라면 한 번쯤 해볼 수 있는 질문입니다.
이번 글에서는 AI 헬스케어 과정 수강생 권00님의 이야기를 소개합니다.
권00님은 영국 리00대학교에서 약리학을 전공하며 생명정보학과 데이터 분석에 관심을 갖게 되었고, 오즈코딩스쿨 AI 헬스케어 과정을 통해 머신러닝·딥러닝 기반 의료 데이터 분석 역량을 키웠습니다.
과정 중에는 난임 환자 임신 성공 예측, 흉부 X-ray 폐렴 분류, 유전자 변이 기반 암종 분류 프로젝트를 수행하며 다양한 의료 데이터를 직접 다뤘고, 특히 흉부 X-ray 프로젝트를 통해 의료영상 데이터 전처리부터 모델 학습, 성능 평가, 오류 분석까지 경험했습니다.
이러한 프로젝트 경험을 포트폴리오로 정리해 의료영상 연구원 직무에 도전했고, 현재는 서울000병원 교수님이 이끄는 의료영상 연구팀에서 연구원으로 근무하고 있습니다.
약리학 전공 지식에 AI 헬스케어 실무 프로젝트 경험을 더해, 바이오 전공자가 의료영상 AI 연구 분야로 커리어를 확장한 조기 취업 사례입니다.
Q. 간단한 자기소개와 현재 맡고 있는 일을 소개해 주세요.
안녕하세요. 영국 000대학교에서 약리학을 전공한 권00입니다. 현재는 서울000병원 교수님이 이끄는 의료영상 연구팀에서 연구원으로 일하고 있습니다.
대학에서 생명정보학 수업을 들으며 데이터 분석과 코딩에 관심을 갖게 되었고, 졸업 프로젝트에서는 분자 도킹 결과를 Python으로 분석하며 데이터를 직접 다루는 경험을 했습니다. 이후 약리학에서 배운 지식을 의료 데이터 분석에 활용해보고 싶어 오즈코딩스쿨 AI 헬스케어 과정을 수강하게 되었습니다.
교육 과정에서는 난임 환자 임신 성공 예측, 흉부 X-ray 폐렴 분류, 유전자 변이 기반 암종 분류 프로젝트를 진행했습니다. 이 경험들을 포트폴리오로 정리해 의료영상 연구원 직무에 지원했고, 현재는 입사 초기 단계에서 업무에 필요한 내용을 배우며 적응하고 있습니다.
앞으로는 실험 결과를 정확히 이해하고, 그 의미와 한계를 알기 쉽게 설명할 수 있는 연구원으로 성장하고 싶습니다.
Q. 해외에서 약리학을 전공하신 후, 왜 AI 헬스케어 과정을 선택하셨나요?
약리학을 공부하면서 생명정보학과 데이터 분석에 관심을 갖게 되었습니다. 특히 졸업 프로젝트에서 Python으로 데이터를 분석해본 경험이 있었는데, 직접 데이터를 다루고 결과를 해석하는 과정이 흥미롭게 느껴졌습니다.
다만 당시에는 머신러닝과 딥러닝에 대한 기초가 부족했습니다. 의료 데이터로 예측 모델을 만들고, 그 결과를 해석하려면 데이터 분석뿐 아니라 AI 모델링에 대한 이해가 필요하다고 생각했습니다.
오즈코딩스쿨 AI 헬스케어 과정은 데이터 분석부터 머신러닝, 딥러닝까지 순서대로 배울 수 있고, 의료 데이터를 활용한 프로젝트를 직접 수행할 수 있다는 점이 좋았습니다. 약리학 전공 지식을 버리는 것이 아니라, 그 위에 AI와 데이터 분석 역량을 더할 수 있는 과정이라고 판단했습니다.
결과적으로 이 과정에서 진행한 의료 데이터 프로젝트들이 의료영상 연구원 직무에 도전하는 중요한 기반이 되었습니다.
Q. 온라인 과정인데도 끝까지 완주할 수 있었던 이유는 무엇인가요?
온라인 수업에서 가장 어려운 점은 집중력과 학습 동기를 꾸준히 유지하는 일이었습니다. 혼자 공부하다가 막히면 흐름을 놓치기 쉬웠기 때문에, 질문하고 도움받을 수 있는 환경이 중요했습니다.
그런 점에서 강사님께 개별적으로 질문할 수 있었던 점이 큰 도움이 되었습니다. 혼자서는 이해하기 어려웠던 내용도 질문을 통해 하나씩 풀어갈 수 있었습니다. 조교님께는 학습 고민뿐 아니라 개인적인 어려움도 이야기할 수 있었고, 그런 대화가 부담을 덜고 다시 공부에 집중하는 데 도움이 되었습니다.
또한 팀 프로젝트와 발표도 학습을 이어가는 동력이 되었습니다. 결과물을 만들고 다른 사람에게 설명하려면 배운 내용을 제 것으로 정리해야 했기 때문에 자연스럽게 복습으로 이어졌습니다. 혼자 공부하는 시간이 많았지만, 질문을 받아주시는 강사님과 조교님, 함께 프로젝트를 진행하는 동료들이 있어 끝까지 배워갈 수 있었습니다.
📌 AI 헬스케어 과정은 전·현직 전문가들이 강사진으로 참여하고 있으며, 수강생들이 실제 현업에서 요구되는 역량을 기를 수 있도록 실무 중심으로 운영되고 있습니다.
[AI 헬스케어 대표 강사]
- 김복주 강사님
- 현)명지대학교 - AI 정보과학대학원 강의
- 전)서울사이버대학교 - 인공지능 강의
- 전)우리은행 - AI/빅데이터 개발 및 운영 / AI 개발 및 운영, 정보보안 감사
- 신동현 강사님
- 전)Toss Securities - 백엔드 개발자
- 전)Asleep - 백엔드 개발 리드
- 전)ABLY - 백엔드 개발
- 신윤섭 강사님
- 현)연세대, LG디스플레이, 미래에셋 , 삼성화재 등 AI 기업 교육 진행
- 전)뷰노(VUNO) - 연구개발본부 연구원
- 한기영 강사님
- 현)(주)데이터인사이트 - KT 에이블스쿨 1~8기 메인 강사
- 전)디플러스 - 동명대, 성균관대, 이화여대, University of Nations(미국)에서 데이터 분석 강의
- 전)(주)이랜드 시스템스 - 데이터 엔지니어, 정보전략실(데이터분석 팀) 팀장, 패션BG IT Manager
Q. 교육 전과 후를 비교했을 때, 가장 크게 달라진 점은 무엇인가요?
가장 크게 달라진 점은 배운 내용을 직접 구현하고, 그 과정을 다른 사람에게 설명할 수 있는 자신감이 생겼다는 점입니다.
수강 전에도 Python으로 데이터를 분석해본 경험은 있었지만, 머신러닝과 딥러닝 모델을 선택하거나 학습 결과를 해석하는 일은 낯설었습니다. 하지만 수업에서 기초를 익힌 뒤 프로젝트에서 여러 모델과 학습 설정을 적용하며 결과를 비교하는 방법을 배웠습니다.
특히 성능이 달라졌을 때 어떤 설정이 영향을 주었는지 되짚어보고, 모델이 여전히 틀리는 사례를 살펴보는 과정이 도움이 되었습니다. 단순히 점수만 보는 것이 아니라, 결과가 왜 그렇게 나왔는지 확인하는 습관이 생겼습니다.
팀 프로젝트와 발표를 통해 제 생각을 정리하고 설명하는 연습도 할 수 있었습니다. 난임 환자 임신 성공 예측 프로젝트에서는 4인 팀의 팀장을 맡아 제가 진행한 작업과 판단을 팀원들에게 설명했습니다. 이 경험을 통해 전보다 적극적으로 의견을 내고, 동료들과 함께 문제를 풀어가는 데 자신감이 생겼습니다.
Q. 취업에 가장 도움이 된 프로젝트는 무엇이었나요?
가장 기억에 남는 프로젝트는 흉부 X-ray 영상을 정상과 폐렴으로 분류한 개인 프로젝트입니다.
가장 도움이 되었던 프로젝트는 흉부 X-ray 영상을 정상과 폐렴으로 분류한 개인 프로젝트였습니다.
이 프로젝트에서는 데이터 전처리부터 모델 학습, 성능 평가, 오류 분석까지 직접 진행했습니다. 초기 베이스라인 코드는 제공됐지만, 모델 선택과 하이퍼파라미터 조정, 과적합을 줄이면서 성능을 높이는 방법은 직접 고민해야 했습니다.
특히 저는 폐렴 영상을 정상으로 잘못 분류하는 사례에 주목했습니다. 의료영상 분야에서는 단순히 전체 정확도를 높이는 것뿐 아니라, 놓치면 안 되는 오류를 줄이는 것이 중요하다고 생각했기 때문입니다. 그래서 여러 모델과 학습 설정을 비교했고, 모델이 영상의 어느 영역에 반응하는지는 Grad-CAM으로 시각화해 결과 해석에 참고했습니다.
단일 모델 기준으로 폐렴을 놓친 사례는 개선 전 29건에서 개선 후 12건으로 줄었습니다. 최종 제출용 모델에서는 영상 전처리, 데이터 증강, 교차검증, 앙상블을 적용해 리더보드 점수 0.95192를 얻었습니다.
이 프로젝트는 단순히 성능을 올리는 경험이 아니라, 의료영상 데이터를 어떻게 바라보고 오류를 어떻게 줄여갈지 고민해본 경험이었기 때문에 의료영상 연구원 직무와 가장 잘 연결되었습니다.
AI 헬스케어 과정은 수강생들의 학습 수준과 실무 적응력을 함께 고려하여, 의료데이터를 활용한 프로젝트와 해커톤 중심으로 운영되고 있습니다.
- 흡연 여부 예측 AI 해커톤
- 스트레스 지수 예측 AI 해커톤
- 칼로리 소모량 예측 AI 해커톤
- 심리 성향 예측 AI 해커톤
- 흉부 X-ray 이미지 분류 AI 해커톤
- 난임 환자 대상 임신 성공 여부 예측 AI 해커톤
- 암환자 유전체 데이터의 변이 정보를 활용한 암종 분류 AI 모델 개발
- 만성질환 개선을 위한 챌린지 형태의 웹 서비스 개발 프로젝트
- 진료 기록 기반 복약 안내 및 생활습관 개선 가이드 생성 시스템 개발 프로젝트
Q. 프로젝트를 진행하면서 가장 어려웠던 점은 무엇이었고, 어떻게 해결하셨나요?
흉부 X-ray 프로젝트에서 가장 어려웠던 점은 폐렴을 놓치는 오류와 정상 영상을 폐렴으로 잘못 분류하는 오류 사이의 균형을 잡는 일이었습니다.
전체 성능이 좋아져도 일부 폐렴 영상을 정상으로 분류하는 문제가 남아 있었습니다. 그래서 먼저 폐렴을 놓친 사례와 정상 영상을 폐렴으로 잘못 분류한 사례를 나눠 확인했습니다. 이후 분류 임계값을 조정하며 두 오류가 어떻게 달라지는지 비교했습니다.
임계값을 낮추면 폐렴을 더 많이 찾아낼 수 있었지만, 정상 영상을 폐렴으로 잘못 분류하는 경우도 늘어났습니다. 이 차이를 확인한 뒤, 최종 제출에 사용할 임계값은 교차검증 결과를 바탕으로 선택했습니다.
이 과정에서 모델 구조와 학습 방법에 대한 이해가 필요했습니다. 검색과 AI 도구를 활용해 관련 내용을 찾아보고, 해결되지 않는 부분은 강사님과 조교님께 질문했습니다. AI가 제안한 방법도 바로 적용하기보다는 무엇이 바뀌는지 먼저 이해한 뒤 실험에 반영했습니다.
이 경험을 통해 모델 성능을 개선할 때는 점수만 보는 것이 아니라, 어떤 오류가 줄고 어떤 오류가 늘어나는지 함께 확인해야 한다는 점을 배웠습니다.
Q. 프로젝트 결과물을 포트폴리오와 면접에서 어떻게 어필하셨나요?
포트폴리오에는 프로젝트의 최종 결과만 적기보다, 성능을 개선하기 위해 어떤 시도를 했고 왜 그런 선택을 했는지를 함께 정리했습니다.
지원 직무가 의료영상 연구원이었기 때문에, 면접에서는 흉부 X-ray 폐렴 분류 프로젝트에 대한 질문이 가장 많았습니다. 어떤 모델과 기법을 사용했는지, 성능을 높이기 위해 어떤 방법을 적용했는지 구체적으로 질문을 받았습니다.
난임 환자 임신 성공 예측 프로젝트에 대해서는 피처를 어떻게 설계했는지, 그 방법을 선택한 이유가 무엇인지 질문을 받았습니다. 딥러닝의 기초 개념과 LLM에 관한 질문도 있었습니다.
이 경험을 통해 프로젝트에서 사용한 방법을 단순히 “써봤다”고 말하는 것보다, 왜 그 방법을 선택했는지 설명할 수 있어야 한다는 점을 느꼈습니다. 후배분들께는 프로젝트를 진행할 때부터 자신이 맡은 역할, 시도한 방법, 선택한 이유, 잘되지 않았던 시도와 남은 한계까지 기록해두시라고 말씀드리고 싶습니다. 그래야 면접에서 본인의 경험을 훨씬 구체적으로 설명할 수 있습니다.
직접 참여한 [칼로리 소모량 예측 모델 개발 해커톤] 발표 자료 중 일부 발췌
Q. 실제 AI 모델을 구현하거나 생소한 데이터를 다루면서 기술적으로 가장 막혔던 순간(Challenge)을 어떻게 극복해 내셨나요?
흉부 X-ray 프로젝트에서 가장 어려웠던 점은 폐렴을 놓치는 오류와 정상 영상을 폐렴으로 잘못 분류하는 오류 사이에서 균형을 잡는 일이었습니다. 전체 성능이 좋아져도 일부 폐렴 영상을 정상으로 분류하는 문제가 남아 있어, 예측 결과를 더 자세히 살펴봐야 했습니다.
먼저 폐렴을 놓친 사례와 정상 영상을 폐렴으로 분류한 사례를 나눠 확인했습니다. 이어 분류 임계값을 바꾸며 두 오류가 어떻게 달라지는지 비교했습니다. 기준을 낮추면 폐렴을 더 많이 찾아낼 수 있었지만, 정상 영상을 폐렴으로 잘못 분류하는 경우도 늘어났습니다. 이 차이를 확인한 뒤, 최종 제출에 사용할 임계값은 교차검증에서 얻은 예측 결과를 바탕으로 선택했습니다.
이런 결과를 해석하려면 모델 구조와 학습 방법에 대한 이해도 필요했습니다. 검색과 AI 도구로 관련 내용을 찾아보고, 해결되지 않는 부분은 강사님과 조교님께 질문했습니다. AI가 제안한 방법도 무엇을 바꾸는지 먼저 이해한 뒤 적용하고, 실제 실험 결과로 효과를 확인하려고 했습니다. 어떤 점이 개선되고 어떤 오류가 늘어나는지 직접 비교하는 과정이 나름의 판단 기준을 세우는 데 도움이 됐습니다.
Q. 의료영상 연구원으로 조기 취업할 수 있었던 핵심 요인은 무엇이라고 생각하시나요?
조기 취업에 도움이 되었던 핵심 요인은 약리학 전공 배경과 교육 과정에서 쌓은 프로젝트 경험을 지원 직무와 연결해 보여준 것이라고 생각합니다.
대학에서는 약리학을 공부하며 실험 결과와 데이터를 다뤘고, 교육 과정에서는 의료 데이터로 예측 모델을 만드는 방법을 배웠습니다. 난임 환자의 임상 데이터, 유전자 변이 데이터, 흉부 X-ray 영상 등 다양한 의료 데이터를 분석하고 모델을 구현한 경험을 포트폴리오에 정리했습니다.
면접 질문도 대부분 이 프로젝트들에서 나왔습니다. 준비한 결과물이 실제 질문으로 이어지는 것을 보며, 지원 직무와 관련된 프로젝트 경험을 구체적으로 보여주는 일이 중요하다는 점을 느꼈습니다.
특히 결과를 얻기까지 무엇을 시도했고, 왜 그런 선택을 했고, 어떤 한계가 남았는지 설명할 수 있도록 준비한 것이 빠르게 취업하는 데 도움이 되었습니다.
Q. 지금 실제 업무를 하면서도 교육 과정이 도움이 된다고 느끼시나요?
아직 입사 초기라 교육 과정에서 배운 내용이 실제 연구와 어떻게 연결되는지 하나씩 알아가는 중입니다. 다만 CNN과 Transformer의 기초를 익히고, 직접 모델을 학습시켜본 경험은 업무에 적응하는 데 도움이 되고 있습니다. LLM 수업에서 배운 내용도 새로운 AI 기술을 이해하는 바탕이 되고 있습니다.
특히 흉부 X-ray 프로젝트에서 모델 학습부터 성능 평가, 오류 분석까지 직접 해본 경험이 기억에 남습니다. 예측 결과를 평가할 때 성능 지표만 보는 것이 아니라 어떤 오류가 남아 있는지도 함께 살펴봐야 한다는 점을 배웠습니다.
앞으로 연구에서 실험을 설계하고 결과를 해석할 때도 이 경험을 활용하고 싶습니다. 실제 연구에 적용하려면 맡은 주제와 데이터에 맞춰 더 공부해야 하겠지만, 교육 과정에서 익힌 기초를 바탕으로 필요한 내용을 꾸준히 쌓아가고 싶습니다.
Q. 타 전공이나 해외대 출신으로 AI 헬스케어 과정 수강을 고민하는 분들에게 전하고 싶은 말이 있나요?
타 전공이나 해외대 출신이라는 이유로 시작을 망설이고 있다면, 지금까지 배운 내용을 새로운 분야에서 어떻게 활용할 수 있을지 먼저 생각해보셨으면 합니다.
저도 약리학 전공자였기 때문에 머신러닝과 딥러닝은 낯설었습니다. 하지만 의료 데이터를 이해하고 결과를 해석할 때는 전공 지식이 분명 도움이 되었습니다. 중요한 것은 기존 배경을 버리는 것이 아니라, 그 배경을 AI와 데이터 분석 역량과 어떻게 연결할지 고민하는 것이라고 생각합니다.
물론 새로 배워야 할 내용도 많습니다. 수업을 듣는 것만으로 끝나는 것이 아니라, 복습하고 프로젝트에 적용해보는 시간이 꼭 필요했습니다. 혼자 해결하기 어려운 부분은 강사님과 조교님께 질문하며 공부를 이어갔습니다.
낯선 분야를 시작하는 것이 부담스럽더라도, 자신이 가진 배경을 강점으로 이어갈 수 있는 방법을 찾으며 도전해보셨으면 좋겠습니다.
Share article