개론 Mar 9, 2026

임베딩과 벡터 — AI가 의미를 이해하는 방법

…

한줄 요약

임베딩은 단어를 숫자 좌표로 바꾸는 것이다. 의미가 비슷한 단어는 좌표 공간에서 가까이 위치한다.

본문

컴퓨터는 글자를 모른다

컴퓨터가 처리할 수 있는 것은 오직 숫자다. “고혈압”이라는 글자 자체에는 컴퓨터가 이해할 수 있는 의미가 없다.

그래서 텍스트를 숫자로 바꿔야 한다. 가장 원시적인 방법은 사전 순서대로 번호를 매기는 것이다.

가정의학과 → 1
고혈압 → 2
당뇨병 → 3
HTN → 4

하지만 이 방식은 치명적 결함이 있다: “고혈압(2)“과 “HTN(4)“이 같은 의미라는 걸 숫자만으로는 알 수 없다. 오히려 “고혈압(2)“이 “당뇨병(3)“에 더 가깝게 보인다.

임베딩이 해결한다

임베딩(Embedding)은 단어를 하나의 숫자가 아니라 숫자 배열(벡터) 로 표현한다. 이 벡터는 수백~수천 차원의 좌표다.

고혈압 → [0.82, 0.15, 0.91, 0.33, ...]  (768개의 숫자)
HTN    → [0.81, 0.14, 0.90, 0.34, ...]  ← 거의 같다!
당뇨병 → [0.75, 0.22, 0.85, 0.41, ...]  ← 관련 있지만 다르다
요리   → [0.12, 0.88, 0.05, 0.72, ...]  ← 완전히 다르다

핵심: 의미가 비슷한 단어는 벡터 공간에서 가까이 위치한다.

2차원으로 단순화하면 이렇게 시각화된다:

        질환 관련도 ↑

   1.0  ·고혈압  ·HTN
        ·동맥경화
   0.8
        ·당뇨병
   0.6  ·고지혈증

   0.4
        ·감기
   0.2
                    ·요리  ·레시피
   0.0 ─────────────────────────→
        0.0   0.2   0.4   0.6   0.8   1.0
                                  생활 관련도

임베딩은 어떻게 만들어지나

임베딩 모델은 대량의 텍스트를 학습하면서 함께 등장하는 단어들을 가까이 배치하도록 훈련된다.

의학 교과서에서:

“고혈압”과 “HTN”은 항상 같은 맥락에서 등장 → 벡터가 거의 같아짐
“고혈압”과 “ACE inhibitor”도 자주 함께 등장 → 벡터가 가까워짐
“고혈압”과 “파스타 레시피”는 거의 함께 등장하지 않음 → 벡터가 멀어짐

이것이 바로 AI가 “의미를 이해하는” 방식이다. 실제로 의미를 이해하는 게 아니라, 통계적으로 비슷한 맥락에서 쓰이는 것들을 가까이 놓는 것이다.

임베딩의 신기한 성질: 벡터 연산

임베딩의 가장 유명한 발견:

King - Man + Woman ≈ Queen
왕   - 남자 + 여자  ≈ 여왕

의학 버전으로 하면:

내과 - 성인 + 소아 ≈ 소아과
심장내과 - 심장 + 폐 ≈ 호흡기내과

벡터 공간에서 “성별”이나 “장기”같은 개념이 방향으로 인코딩되어 있기 때문이다. 이건 누가 프로그래밍한 게 아니라, 대량의 텍스트를 학습하면서 자연스럽게 형성된다.

의료에서 임베딩이 쓰이는 곳

유사 논문 검색

내가 읽고 있는 논문의 임베딩 벡터를 구하고, 데이터베이스에서 가장 가까운 벡터를 가진 논문을 찾으면 → 키워드가 달라도 의미적으로 관련된 논문을 찾을 수 있다.

“고혈압 치료”로 검색하면 “antihypertensive therapy”, “BP management”, “혈압 조절” 관련 논문이 모두 나온다.

RAG의 핵심 기술

RAG에서 “관련 문서를 검색”하는 단계가 바로 임베딩 유사도 검색이다.

질문: "메트포르민 부작용은?"
→ 질문을 벡터로 변환
→ 문서 DB에서 가장 가까운 벡터를 가진 문서 검색
→ 메트포르민 관련 가이드라인/논문이 검색됨

환자 유사도 분석

환자의 임상 데이터(나이, 성별, 검사치, 진단코드)를 벡터로 변환하면, “이 환자와 비슷한 과거 환자”를 찾을 수 있다. 비슷한 환자의 치료 결과를 참고해서 예후를 예측하는 데 쓰인다.

의학 용어 표준화

병원마다 같은 질환을 다르게 기록한다:

“DM”, “당뇨”, “Type 2 DM”, “T2DM”, “제2형 당뇨병”

임베딩으로 이것들이 모두 같은 벡터 근처에 있다는 걸 확인하면, 자동으로 표준 용어로 매핑할 수 있다.

대표적인 임베딩 모델

모델	개발사	차원 수	특징
text-embedding-3-small	OpenAI	1536	범용, API로 쉽게 사용
text-embedding-3-large	OpenAI	3072	더 높은 정확도
Voyage-3	Voyage AI	1024	코드/기술 문서에 강함
BGE-M3	BAAI	1024	다국어 지원, 오픈소스
PubMedBERT	Microsoft	768	의학 논문 특화

의학 분야에서는 PubMedBERT 계열이 일반 모델보다 의학 용어 유사도를 더 정확하게 잡아낸다.

핵심 정리

임베딩 = 텍스트를 숫자 배열(벡터)로 변환. 의미가 비슷하면 벡터가 가까움
RAG, 유사 논문 검색, 환자 유사도 분석 등의 핵심 기술
의학 특화 임베딩 모델(PubMedBERT)이 일반 모델보다 의학 맥락에서 정확

임상 적용

활용	도구	난이도
유사 논문 검색	Semantic Scholar, Elicit	쉬움
문서 기반 Q&A (RAG)	NotebookLM, ChatPDF	쉬움
의학 용어 매핑	PubMedBERT + 코딩	중간
환자 유사도 분석	커스텀 개발 필요	어려움

#임베딩#벡터#유사도#AI기초