쑤팡이

🏷️ 인물 LLM 머신러닝 교수 Star

개요

쑤팡이(Fang-Yi Su)는 대만 국립성공대학교(NCKU) 컴퓨터과학정보공학과 박사과정 연구자입니다. 2025년부터 2026년까지 하버드 의과대학 바이오의료정보학과(Department of Biomedical Informatics)에서 인턴으로 활동하며 의료 AI와 공정성 연구를 이어가고 있습니다. 생성 모델, 의료 인공지능, 공정성 AI 세 분야가 교차하는 지점에서 연구를 수행하는 것이 특징입니다.

NCKU-하버드 의대를 아우르는 이중 소속 덕분에, 단순한 알고리즘 연구를 넘어 실제 임상 데이터의 편향 문제를 직접 다루는 기회를 갖고 있습니다. 2025년 Cell Reports Medicine에 게재된 FAIR-Path 논문이 대표적이며, 암 진단 AI의 인구통계학적 공정성을 대규모로 검증한 연구로 주목받았습니다.

2026년에는 LLM 자기 교정의 환상을 실험적으로 규명한 The Self-Correction Illusion - LLMs Correct Others but Not Themselves 논문에 공저자로 참여하며 NLP 영역으로도 연구 범위를 넓혔습니다.

생애

쑤팡이는 2020년부터 2022년까지 국립성공대학교에서 연구원으로 일한 뒤 2022년 박사과정에 진학했습니다. 지도교수는 장룽셴입니다. NCKU는 대만 남부 타이난에 위치한 이공계 중심 대학으로, 쑤팡이는 이곳에서 생성 모델과 의료 도메인의 접점을 연구 주제로 삼았습니다.

2025년부터 2026년까지 하버드 의과대학 바이오의료정보학과에서 인턴십을 수행하고 있습니다. 하버드 DBMI는 의료 데이터 분석, 임상 NLP, AI 공정성 연구의 거점 중 하나로, 이곳에서의 경험이 FAIR-Path 논문의 실증 연구 규모(20개 암종, 다기관 외부 검증)를 가능하게 했습니다.

연구 경력 초반에는 의료 이미지 분류 도메인에서 레이블 보존 데이터 증강 기법인 SGD-Mix를 개발했고, 이후 공정성 문제로 관심을 확장했습니다. 하버드 인턴십 동안 축적한 병리 AI 연구 경험은 자기 교정 LLM 연구에서 엄밀한 통제 실험을 설계하는 방법론적 기반이 되었습니다.

업적

쑤팡이의 대표 업적은 FAIR-Path 프레임워크입니다. 20개 암종에 걸친 범암 AI 공정성 분석에서 진단 태스크의 29.3%에 인구통계학적 성능 격차가 존재함을 확인했습니다. 대조 학습 기반의 FAIR-Path는 이 격차의 88.5%를 효과적으로 줄였으며, 15개 독립 코호트 외부 검증에서 91.1%의 격차 감소를 달성했습니다. 2025년 12월 Cell Reports Medicine에 게재된 이 연구는 병리 AI 공정성 분야의 실질적 기준을 제시했습니다.

SGD-Mix는 도메인 특화 이미지 분류에서 레이블 보존 데이터 증강을 통해 분류 성능을 끌어올리는 기법입니다. 2025년 5월 발표된 이 연구는 NCKU와 하버드 의대 이중 소속으로 진행되었으며, 소량 레이블 데이터 환경에서 특히 효과적인 것으로 알려졌습니다.

The Self-Correction Illusion - LLMs Correct Others but Not Themselves 논문에서는 바이트 동일성(SHA-256) 통제와 페어드 부트스트랩 통계 설계 등 실험의 엄밀성을 담보하는 역할을 맡았습니다. LLM 에이전트가 외부 소스로 레이블을 바꾸면 교정률이 23~93퍼센트포인트 상승한다는 핵심 발견에 실험적 신뢰성을 부여한 기여입니다.

여담

쑤팡이의 연구 궤적은 "의료 AI를 만드는 것"에서 "의료 AI를 공정하게 만드는 것"으로 이동하고 있습니다. 이는 AI 시스템이 임상 현장에 실제로 배포되면서 공정성이 성능만큼 중요한 요건이 되었다는 현실을 반영합니다.

하버드 DBMI 인턴십이라는 기회는 대만 연구자가 미국 최상위 의료 AI 기관에서 대규모 실증 연구를 수행하는 드문 사례입니다. 쑤팡이가 병리 이미지 분류를 넘어 LLM 추론의 자기 교정 문제까지 다루게 된 것도, 하버드에서의 다학제적 협업 환경 덕분으로 보입니다.

멀티모달 의료 AI와 LLM의 교차점이 점점 확대되는 연구 환경에서, 생성 모델과 공정성 두 분야를 모두 다루는 쑤팡이의 배경은 독특한 강점이 됩니다.

주요 논문