최근 AI가 생활 시나리오에 적용되어 실제적인 고충을 해결하는 과정을 생각하면서, AI 시대에 가장 저평가되고 있는 개인의 자산은 바로 자신과 가족을 위해 사전에 다세대 모델이자 결코 끊기지 않는 생명 데이터 기반(life data foundation)을 구축했는지 여부라는 생각이 듭니다.
매년 다른 병원에서 건강검진을 받고, 작년 검진표는 서랍 깊숙한 곳에 쌓여 있고, 휴대폰 사진첩을 끝까지 뒤져도 모든 기록을 모으기 어렵습니다.
더 심각한 문제는 진료 시 의사가 '2년 전 혈지단 같은 건 어떻게 변했냐'고 물어볼 때입니다. 공공 병원에서 받은 LDL-C (mmol/L) 수치와 사설 기관에서 받은 저밀도 지단백 콜레스테롤(low-density lipoprotein cholesterol, mg/dL) 수치를 대규모 언어 모델(LLM)에 함께 입력하면, AI는 종종 이 둘을 같은 것으로 취급하며 심지어 212 mg/dL와 4.90 mmol/L를 급락하는 곡선으로 그려내지만, 실제 단위로 환산해도 크게 내려간 것이 아닐 때가 많습니다.
오늘 GitHub에서 디지털 건강(digital-health) 분야 리더보드 1위를 차지한 오픈 소스 프로젝트 Mirobody를 발견했는데, 이 복잡하고 번거로운 문제들을 완벽하게 해결해 줍니다:
👉 독립 그래픽 카드 없이 일반 노트북의 메모리 16GB만으로 구동 가능하며, 모든 과정이 오프라인에서 이루어집니다. 심지어 건강 기록 파일을 Claude Code나 Cursor에 직접 연결할 수도 있습니다.
👉 63,416개의 국제 의학 표준 코드를 내장하고 있으며 102만 개의 다국어 별칭을 갖추고 있어, 단위 환산은 모두 본체(local machine)의 사전을 통해 처리합니다. 결과는 0.4초 만에 나오며, 대규모 언어 모델이 추측하게 두지 않습니다.
👉 건강검진 PDF, 휴대폰으로 찍은 검사 수치 사진, Apple Health 데이터 등을 넣기만 하면 연도별 추세선을 자동으로 추출해 주고, 답변의 모든 숫자 포인트는 해당 연도의 원본 사진으로 바로 이동하여 대조할 수 있습니다. 더 이상 AI가 참고 범위(reference range)를 실제 측정값(actual value)으로 오인하는 일이 생길 걱정을 할 필요가 없습니다.
다만, 직접 시작하기 전에 제가 이 프로젝트로 구현할 수 없는 4가지 함정(pitfalls)을 먼저 알려드릴게요. 괜히 시간 낭비하지 않도록 주의하세요:
- 단순히 정리 및 출처 추적에만 사용해야 하며, 절대 진료나 처방약 결정에 사용해서는 안 됩니다. 지표가 정상인지 여부는 여전히 의사의 의견을 들어야 합니다.
- 생소한 병원 약어 또는 혈지단 같은 대분류 통칭의 경우, 시스템이 빈칸으로 '확인 필요' 상태로 남겨두며, 수동으로 한 번 확인 버튼을 눌러줘야 강제로 채우지 않습니다.
- 순수 CPU로 로컬 모델을 구동할 때, 휴대폰으로 찍은 흐릿한 사진 자료는 몇 분 정도 기다려야 합니다. 정돈된 PDF나 표 형식의 데이터에서만 즉시 결과가 나옵니다.
- 본인과 부모님의 실제 보고서를 저장하기 전에는 반드시 설정 내 데모 데이터 스위치를 꺼두세요. 만약 클라우드 기반 AI 클라이언트에 연결하게 되면, 조회된 수치는 여전히 모델 제조사에게 전송될 수 있습니다. 완벽하게 로컬에서만 처리하려면 전체 과정이 로컬화되어야 합니다.
코드를 다루고 싶지 않다면, 공식 중국어 데모 페이지에 2천 개가 넘는 가상 데이터가 미리 설정되어 있어, 2분 만에 단위 변환 추세선과 원본 출처 추적 기능을 체험해 볼 수 있습니다.
완벽하게 정리된 전체 명령줄(command line) 구성, Docker 우회 파라미터, 그리고 Claude Code 연결을 위한 모든 설정을 댓글 창에 올렸습니다. 여러분의 서랍 속에는 몇 년 전 정리가 안 된 종이 검진표가 아직 남아있지 않나요?