글로벌 AI 무대에 아모레퍼시픽(에스트라)이 섰습니다

지난 8월 제주에서 열린 KDD(Knowledge Discovery and Data Mining) 2026에는 세계 각국의 AI·데이터마이닝 연구와 산업 적용 사례가 모였습니다. 특히, Korea Day 무대에서는 네이버, LG, SK하이닉스, HD현대, 삼성전자, 크래프톤 등 익숙한 AI Tech 기업들이 자리해서 AI/AX 사례를 나누었습니다.

그리고 그 가운데 아모레퍼시픽(에스트라)이 있었습니다. 피부과나 화장품 관련 학회라면 익숙했을 에스트라의 이름이, 정통 데이터/AI 학회에서 ‘민감 피부 AI’를 주제로 등장한 것입니다. 이날 안종훈 AX실장과 인천성모병원 김혜성 교수는 에스트라, 인천성모병원, AI뷰티테크개발팀이 함께 연구한 29종 피부 병변 예측 AI와 이를 기반으로 앞으로 펼쳐나갈 뷰티 AI의 미래를 소개했습니다.

새로운 AI 모델이라는 결과 뒤에는, 결코 한 문장으로 다 담아낼 수 없는 수많은 과정과 고민이 녹아 있습니다. 에스트라가 집중해온 민감 피부 영역을 기술적으로 더 세밀하게 파고들어, 전문의의 판단을 어떻게 데이터로 옮길 수 있는지, 또 연구에서 의미 있는 기술을 실제 고객 경험으로 가져가려면 무엇을 더 확인해야 하는지까지. 오늘은 KDD 무대 뒤에 있었던 이 과정들을 조금 더 들여다보겠습니다.

50만 건 이상의 피부진단, 이제 ‘민감’을 더 깊게 봅니다

AI뷰티테크개발팀은 피부진단 AI 기술을 통해 고객의 피부를 꾸준히 살펴보고 있습니다. 뷰티컨시어지를 통해 누적 50만 건 이상의 피부진단 기록이 쌓였고, 모바일 사진 기반의 AI 측정과 문진 응답을 바탕으로 수분, 유분, 탄력, 색소침착, 민감 등 다양한 피부 상태를 봐 왔습니다.

여러 브랜드와 채널에서 범용적으로 활용해온 피부진단 기술을 운영하면서, 한 가지 계속 눈에 들어오는 영역이 있었습니다. 바로 ‘민감’입니다. 기존 뷰티컨시어지 피부진단의 문진 응답을 살펴보면 약 63.5%의 고객이 민감과 관련된 증상을 호소하고 있었습니다. 이렇게 많은 고객이 민감을 경험하고 있다면, 단순히 ‘민감하다’고 알려주는 것에서 한 걸음 더 나아가 어떤 민감 증상이 나타나고 있는지 조금 더 세밀하게 설명할 수 있어야 하지 않을까 하는 생각이 자연스럽게 들었습니다.

하지만 민감 피부는 AI 기술만으로 쉽게 진단 범위를 넓힐 수 있는 영역은 아니었습니다. 피부에 나타나는 징후에 대한 해석에 있어서는 전문적인 판단과 충분한 근거가 필요했고, 기술팀의 시각만으로 접근하기에는 분명한 한계가 있었습니다. 그 다음 단계에 도전할 수 있었던 것은 에스트라와 민감 피부에 특화된 진단을 함께 고민하기 시작하면서부터 였습니다. 기존의 범용 피부진단 기술을 기반으로, 에스트라가 집중해온 민감 피부 영역과 피부과 의료진의 전문적인 판단을 더해 민감을 보다 깊이 들여다보기 시작했습니다.

예를 들어 기존 피부진단에서 ‘붉은기’는 하나의 측정 항목입니다. 하지만 피부과 관점으로 보면 비슷하게 붉어 보이는 피부라도 여드름, 주사, 아토피 피부염 등 서로 다른 피부 상태에서 나타날 수 있습니다. 다시 말해, 하나의 ‘붉은기’ 안에도 서로 다른 피부 상태가 숨어 있을 수 있는 것입니다. 이 차이를 구분할 수 있다면 진단 경험도 달라질 수 있습니다. 단순히 “붉은기가 있습니다”라고 알려주는 데서 그치지 않고, 피부에 어떤 징후가 나타나고 있는지 보다 구체적으로 살펴볼 수 있기 때문입니다. 앞으로 이러한 정보가 충분히 검증되고 축적된다면, 고객에게 제공하는 설명과 상담은 물론 케어 방향이나 제품 추천 역시 보다 정교해질 수 있습니다. 이번 연구에서 29종의 피부 병변을 보기 시작한 이유도 바로 여기에 있습니다. 기존 피부진단이 고객의 피부를 폭넓게 바라보는 기반을 만들었다면, 이번에는 에스트라와 함께 ‘민감’이라는 하나의 영역을 조금 더 깊이 들여다보는 데 도전했습니다.

피부과 전문의가 AI 개발의 처음부터 끝까지 함께했습니다

AI가 많은 사진을 학습하는 것만으로는 피부 병변을 세분화하는 데 충분하지 않았습니다. 사진 속 어떤 특징을 병변으로 볼지, 경계는 어디까지인지, 서로 비슷해 보이는 병변을 어떻게 구분할지에는 결국 피부과 전문의의 임상적 판단이 필요했기 때문입니다.

그래서 이번 연구에서는 Dermatologists-in-the-Loop라는 접근을 중요하게 가져갔습니다. AI뷰티테크개발팀이 모델을 개발한 뒤 전문의가 최종 결과만 검토하는 기존 방식을 탈피한 것입니다. 대신 피부과 전문의가 데이터 수집부터 어노테이션(Annotation, AI가 학습할 수 있도록 데이터에 라벨을 달아주는 작업), 그리고 최종 검증 평가에 이르기까지 연구의 전 과정에 직접 참여했습니다. 먼저 데이터를 준비하는 단계부터 많은 협의가 필요했습니다. 실제 환자의 피부 데이터를 연구에 활용하는 만큼, 어떤 데이터를 어떤 방식으로 사용할 수 있는지, 또 그 데이터를 어떻게 전달하고 보관할지, 개인정보와 보안 측면에서 문제는 없는지를 사전에 꼼꼼히 확인해야 했습니다. 정보보안센터 및 법무팀과도 여러 차례 논의하며, 연구 데이터를 신뢰할 수 있는 방식으로 활용하기 위한 기준을 하나씩 점검했습니다.

어노테이션 단계에서는 29종의 피부 병변을 이미지 데이터에 전문의가 직접 표시할 수 있도록, 이번 연구 목적에 맞는 레이블링 프로그램을 별도로 개발해서 제공했고, 의료진에게 프로그램 사용 방법을 설명한 뒤 실제 사례를 함께 보며 병변을 표시하는 방식과 기준을 맞춰 갔습니다. 이 과정은 단순히 사진에 정답을 붙이는 작업과는 조금 달랐습니다. 개발자에게 필요한 것은 AI가 학습할 수 있는 일관된 데이터였지만, 전문의가 실제 환자의 피부를 바라보는 방식에는 훨씬 더 많은 임상적 맥락이 담겨 있기 때문입니다. 이번 연구에서 어노테이션은 전문의의 판단을 AI가 이해할 수 있는 데이터의 언어로 옮기는 과정에 가까웠습니다.

마지막 검증 단계에서도 전문의가 함께했습니다. AI가 예측한 결과가 실제 피부 병변을 얼마나 잘 찾아내는지 전문의의 판단과 비교하며 확인했고, 단순히 수치상 유의미한 모델이 아니라 임상적으로도 의미 있는 결과를 내는지 살펴봤습니다. 이처럼 이번 연구에서 피부과 전문의는 마지막 검수자가 아니라 데이터를 준비하고, AI가 학습할 정답을 만들고, 그 결과를 검증하는 전 과정의 파트너였습니다. 신뢰할 수 있는 데이터를 만들고, 그 데이터를 안전하게 다루며, 전문가의 판단을 기술 안에 제대로 담아내는 과정 전체가 좋은 AI 모델을 만드는 데 필요했던 셈입니다.

AI는 실제 피부 병변을 얼마나 잘 찾았을까요?

연구개발한 피부 병변 예측 AI는 Pixel-level과 Lesion-level, 두 가지 관점에서 성능을 평가했습니다. 먼저 Pixel-level 평가는 피부과 전문의가 표시한 영역을 기준으로 AI가 표시한 병변의 모양과 경계가 픽셀 단위로 얼마나 정확하게 겹치는지를 봅니다. 병변의 위치뿐 아니라 경계까지 세밀하게 일치해야 하기 때문에 상당히 엄격한 평가 방식입니다. Pixel-level에서 모델의 F1 Score는 65.6%였습니다.

하지만 이번 연구의 목적을 생각하면 다른 질문이 중요했습니다. “전문의가 어노테이션한 병변의 테두리를 한 픽셀까지 똑같이 그렸는가?”보다는 “전문의가 병변이라고 판단한 위치를 AI도 실제 병변으로 찾아냈는가?”라는 질문입니다. 피부 병변은 경계가 선명하지 않습니다. 특히 붉은기처럼 피부 위에 넓고 불규칙하게 나타나는 병변은 같은 부위를 보더라도 어디까지를 병변의 경계로 그릴지 평가자에 따라 조금씩 달라질 수 있습니다.

그래서 이번 연구에서는 Lesion-level 평가를 중요하게 살펴봤습니다. Lesion-level 평가는 AI가 예측한 병변 영역과 전문의가 표시한 병변 영역이 실제로 겹치는지를 확인해 AI의 성능을 평가하는 방식입니다. 즉 경계선을 완전히 동일하게 그렸는지가 아니라, 임상적으로 의미 있는 범위를 제대로 포착했는가에 초점을 둡니다. 이런 점에서 Lesion-level 평가는 향후 피부진단 서비스의 활용 가능성을 살펴보는 데에도 보다 실용적인 평가라고 볼 수 있습니다.

Lesion-level에서 모델은 Recall 95.2%, Precision 97.9%, F1 Score 96.6%를 보였습니다. 평가 수치에 대해서 설명하자면, 전문의가 확인한 실제 병변이 100개 있다면 AI가 약 95개를 찾아냈고(Recall, 재현율), AI가 병변으로 인식한 100개 가운데 약 98개가 실제 병변과 일치했습니다(Precision, 정밀도). F1 Score 96.6%는 병변을 놓치지 않는 능력과 잘못 찾아내지 않는 능력이 전반적으로 균형 있게 나타났다는 의미입니다.

사진 한 장을 넘어, 더 입체적인 민감 피부 진단으로

이번 연구를 진행하며 새롭게 확인한 점도 있었습니다. 피부과 전문의들 역시 사진 한 장만으로 피부 상태를 충분히 판단하기는 어렵다는 점이었습니다. 실제 진료에서는 눈에 보이는 병변뿐 아니라 환자가 어떤 증상을 느끼는지, 언제부터 시작됐는지, 어떤 상황에서 심해지는지를 문진과 인터뷰를 통해 함께 확인합니다. 피부를 가장 전문적으로 보는 피부과 전문의 역시 ‘보이는 피부’와 ‘느끼는 피부’를 함께 보고 있는 것이죠.

기존 뷰티컨시어지 피부진단 데이터에서도 비슷한 모습이 나타났습니다. 고객이 스스로 느끼는 민감에 대한 문진 답변과 이미지에서 측정한 홍반 점수의 상관관계는 높지 않았고, ‘고객이 자각하는 민감’과 ‘이미지로 측정되는 민감’ 중 어떤 기준을 사용하느냐에 따라서도 민감 고객의 범위가 달라졌습니다. 이는 앞으로의 민감 피부 진단이 이미지에서 병변을 더 정확하게 찾는 것만으로는 완성되지는 않을 것이라는 점을 보여줍니다. 이번 연구에서 확보한 29종 피부 병변 예측 기술에 더해, 고객이 어떤 증상을 느끼는지, 무엇에 반응하는지, 피부 상태가 어떻게 변화해왔는지를 보다 체계적으로 확인할 수 있도록 문진과 고객이 제공하는 다양한 정보를 함께 활용하는 방향을 탐색하려 합니다.

민감 피부 연구에서도 이러한 접근은 중요하게 다뤄지고 있습니다. 사진이나 홍반과 같은 객관적인 피부 정보와 함께, 따가움, 화끈거림, 가려움, 당김처럼 고객이 직접 느끼는 증상을 문진으로 정량화해 함께 평가하는 방식입니다. 앞으로는 기존의 정형화된 설문을 넘어, 고객의 피부 상태와 이전 응답에 따라 필요한 질문을 조금 더 세밀하게 이어갈 수 있는 맞춤형 문진도 검토해 볼 수 있습니다. 이미지, 병변, 문진과 피부 변화의 맥락이 연결된다면 진단 이후의 경험도 달라질 수 있습니다. 단순히 하나의 피부 점수를 보여주는 데서 끝나는 것이 아니라, 일상적인 홈뷰티 케어가 가능한 영역인지, 전문적인 확인이 필요해 피부과 상담을 고려해야 하는지 등 적절한 다음 행동을 선택하도록 돕는 방향으로 확장할 수 있습니다.

우리가 그리고 있는 미래의 모습은 이러한 Dermatologist-Verified Agentic Beauty Tech입니다. 피부과 전문의가 데이터 수집부터 어노테이션, 검증까지 함께 만든 기준을 토대로, AI 에이전트가 사진에서 보이는 병변뿐 아니라 고객이 제공하는 여러 정보를 종합해 적절한 질문과 피부 케어 방향을 제안하는 기술입니다. 앞으로는 어느 하나만을 정답으로 규정하기보다, 다양한 신호를 종합적으로 살펴 민감 피부를 더 입체적으로 이해해 나가고자 합니다.

연구를 넘어, 고객이 만나는 서비스로 나아갑니다

피부과 전문의와 함께 만든 판단 기준과 29종 피부 병변 연구를 바탕으로, 이제는 고객이 실제로 경험할 수 있는 에스트라 AI 피부진단 솔루션으로 한 걸음 더 나아가고자 합니다. 그 과정에서도 Dermatologists-in-the-Loop의 원칙은 이어집니다. 이미지에서 보이는 병변뿐 아니라 고객이 느끼는 증상과 문진, 피부 변화의 맥락까지 함께 살펴보며, 보다 신뢰할 수 있는 피부 정보를 제공할 수 있는 방법을 계속 검증해 나갈 예정입니다. 중요한 것은 AI가 더 많은 결과를 보여주는 것만이 아닙니다. 고객이 진단을 통해 자신의 피부 상태를 조금 더 구체적으로 이해하고, 그 결과가 자연스럽게 상담과 케어, 자신에게 맞는 제품을 선택하는 과정으로 이어질 수 있어야 합니다. 연구에서 확인한 가능성을 실제 고객 경험과 만족으로 연결하는 것이 앞으로의 과제입니다.

이를 통해 에스트라가 고객에게 전달해온 더마뷰티의 전문성과 진정성, 신뢰를 실제 서비스 경험에서도 보다 선명하게 느낄 수 있도록 기술적으로 지원하고자 합니다. 다음 단계의 목표는 피부과 전문의와 브랜드, AI가 함께 만든 연구 결과가 고객 경험으로 이어지게 하는 것입니다. 궁극적으로 만들고 싶은 것은 단순한 AI 기능 하나가 아닙니다. 고객이 에스트라의 민감 피부 전문성을 직접 경험하고 신뢰할 수 있도록 돕는 피부진단 서비스입니다. 연구에서 시작한 기술을 실제 고객이 사용할 수 있는 수준으로 차근차근 발전시키며, 에스트라가 쌓아온 더마뷰티의 가치를 기술로 뒷받침해 나가겠습니다.

#OUTRO

KDD 무대에서 소개한 것은 29종 피부 병변 예측 AI였지만, 그 결과가 나오기까지는 많은 과정이 있었습니다. 전문의의 판단을 데이터로 옮기고, 실제 환자 데이터를 안전하게 다루며, AI의 강점과 추가 검증이 필요한 영역을 하나씩 확인해가는 과정이 모두 이번 연구에 포함되었습니다.

이번 경험을 통해 AI의 역할도 조금 더 분명해졌습니다. 브랜드가 오랫동안 쌓아온 전문성이 고객의 일상 속 신뢰할 수 있는 소비 경험으로 이어지도록 돕는 것입니다. 이번에는 에스트라의 ‘민감 피부’가 그 출발점이었습니다. 에스트라와 함께한 연구가 이제 실제 고객을 만나는 서비스로 이어지는 것처럼, 앞으로도 각 브랜드가 가장 잘하는 영역에서 출발해 그 전문성을 더 깊게 만들어줄 수 있는 뷰티 AI의 가능성을 계속 찾아가겠습니다.