포지션 상세
[회사 소개]
Oncosoft는 국내 유일의 암 방사선치료 AI 솔루션을 개발·운영하는 회사입니다. 임상의가 더 빠르고 정확하게 치료 계획을 세울 수 있도록 돕는 AI 모델을 자체 연구개발하며, 미국·일본·싱가포르·브라질 등 글로벌 시장에 진출해 있습니다. CT·MR 등 다양한 모달리티에서 segmentation 중심의 의료 영상 AI를 만들고, 자체 데이터셋과 임상 협업을 통해 모델의 임상적 가치를 검증해 왔습니다.
사내 AI 조직은 모델의 데이터 수집·연구기획·연구수행·논문/특허 publication·제품 탑재까지 전 과정을 직접 다루며, AI 플랫폼팀은 그 과정을 가속하는 데이터 인프라와 자동화 플랫폼을 만드는 팀입니다.
[채용 배경 / 이 자리의 미션]
우리가 다루는 데이터는 단순한 영상 파일이 아닙니다. CT·MR 영상과 거기에 결합된 풍부한 임상 메타데이터(조영제 사용 여부, 암종, 수술이력, 병기 등)가 한 덩어리로 흘러야 모델 학습·평가가 의미를 가집니다.
본 자리의 미션은 이 데이터 흐름이 흔들림 없이 굴러가게 만드는 것입니다. 두 축에서 일합니다.
•데이터 엔지니어링 — 검색·소싱, 전처리·정리, 카탈로그·저장, 학습/평가 파이프라인 운영
•모델·데이터 분석 & 자동화 — 운영 모델의 drift 모니터링, 모델 한계의 데이터적 분석과 개선 제안, LLM/agent 기반
라벨링·CQA 자동화
ETL 운영만 하는 자리도, ML 연구만 하는 자리도 아닙니다. 의료 AI 모델이 데이터로 만들어지고 데이터로 검증되는, 그 데이터 자체를 직접 만들어 가는 자리입니다.
[우리가 찾는 사람]
스타트업의 빠른 pace에서 일하는 자리입니다. 데이터 엔지니어링, 모델·데이터 분석, 자동화 도입까지 영역이 넓은 만큼, 누가 시키지 않아도 자신이 해야 할 일을 스스로 찾아 움직이는 분과 함께 일하고 싶습니다.
새로운 자동화를 설계하는 날도 있고, 데이터의 빈 칸을 손으로 맞추는 날도 있습니다. 어느 쪽이든 자기 영역을 묵묵히 끝까지 해내고, 팀이 막히는 곳에 손을 보태며 함께 걸어가는 동료를 찾습니다.
힘든 일도 마다하지 않고 목표를 향해 함께 달려갈 분이라면 — 지금 바로 우리 로켓에 합류해주세요.
[함께 일할 사람들]
•AI 플랫폼팀장 — SW 개발/인프라 시니어. 함께 인프라와 시스템을 운영합니다.
•사내 MD (임상 자문) — 임상 태그 스키마와 평가 기준 설계의 파트너.
•AI 연구팀 — 모델을 만드는 핵심 ML 엔지니어. 본 자리에서 만든 데이터·자동화 인프라의 1차 사용자.
•데이터팀 — 의료영상 라벨링·CQA 수행 팀. 자동화의 가장 큰 수혜를 받습니다.
•CTO — 사내 AI/R&D 기술 방향을 함께 세우고, 본 자리의 우선순위를 함께 정합니다.
2. 전처리·익명화·정리 — DICOM 영상 변환·정규화·익명화, 임상 메타데이터 정리·결측 보완, 라벨 결합을 수행합니다.
3. 데이터 카탈로그·저장·버전 관리 — DICOM 메타데이터에 임상 컨텍스트(조영제 유무, 암종, 수술이력 등)를 결합한 데이터 시스템을 설계·구
축·운영하고, 데이터셋 버전과 reproducibility를 관리합니다.
4. 학습/평가 데이터 파이프라인 구축·운영 — AI 연구팀의 모델 학습·평가에 필요한 데이터 흐름, 실험 추적, 모델 레지스트리를 운영합니다.
5. Model Drift 모니터링 & 모델 한계의 데이터 분석 — 운영 모델의 성능을 신규 데이터 유입에 맞춰 추적하고, 모델이 약한 case·구간을 데
이터 관점에서 진단해 개선 방향을 제안합니다.
6. 라벨링·CQA 자동화 (LLM / AI Agent 활용) — 영상 모델 기반 pre-labeling·active learning, LLM/agent 기반 정성평가(CQA) 자동
화 파이프라인을 설계·도입합니다.
7. Cross-functional 협업 — AI 연구팀, 데이터팀, 사내 MD와 협업하며 데이터·도메인 의사결정을 시스템·실험에 반영합니다.
•영상 기반 ML 모델 경험 — segmentation, classification, detection 등 형태 무관, 학습·평가 사이클을 직접 돌려본 수준
•모델 결과를 데이터 관점에서 분석하는 역량 — 모델이 약한 case·실패 패턴을 데이터로 진단하고 개선 방향을 제시해본 경험
•Python + ML 프레임워크 (PyTorch 또는 TensorFlow)에 능숙
•데이터 파이프라인 도구(Airflow, Prefect, Dagster 등) 또는 자체 파이프라인 구축·운영 경험
•LLM 또는 AI agent를 활용한 자동화 경험 — 혹은 단기간에 익혀 실제 운영에 도입할 의지와 사례
•도메인 전문가(임상의·연구자)와 협업하며 그들의 의도를 시스템·실험 스펙으로 옮긴 경험
•스타트업의 pace에서 스스로 일을 찾아 움직이는 자세
Oncosoft는 국내 유일의 암 방사선치료 AI 솔루션을 개발·운영하는 회사입니다. 임상의가 더 빠르고 정확하게 치료 계획을 세울 수 있도록 돕는 AI 모델을 자체 연구개발하며, 미국·일본·싱가포르·브라질 등 글로벌 시장에 진출해 있습니다. CT·MR 등 다양한 모달리티에서 segmentation 중심의 의료 영상 AI를 만들고, 자체 데이터셋과 임상 협업을 통해 모델의 임상적 가치를 검증해 왔습니다.
사내 AI 조직은 모델의 데이터 수집·연구기획·연구수행·논문/특허 publication·제품 탑재까지 전 과정을 직접 다루며, AI 플랫폼팀은 그 과정을 가속하는 데이터 인프라와 자동화 플랫폼을 만드는 팀입니다.
[채용 배경 / 이 자리의 미션]
우리가 다루는 데이터는 단순한 영상 파일이 아닙니다. CT·MR 영상과 거기에 결합된 풍부한 임상 메타데이터(조영제 사용 여부, 암종, 수술이력, 병기 등)가 한 덩어리로 흘러야 모델 학습·평가가 의미를 가집니다.
본 자리의 미션은 이 데이터 흐름이 흔들림 없이 굴러가게 만드는 것입니다. 두 축에서 일합니다.
•데이터 엔지니어링 — 검색·소싱, 전처리·정리, 카탈로그·저장, 학습/평가 파이프라인 운영
•모델·데이터 분석 & 자동화 — 운영 모델의 drift 모니터링, 모델 한계의 데이터적 분석과 개선 제안, LLM/agent 기반
라벨링·CQA 자동화
ETL 운영만 하는 자리도, ML 연구만 하는 자리도 아닙니다. 의료 AI 모델이 데이터로 만들어지고 데이터로 검증되는, 그 데이터 자체를 직접 만들어 가는 자리입니다.
[우리가 찾는 사람]
스타트업의 빠른 pace에서 일하는 자리입니다. 데이터 엔지니어링, 모델·데이터 분석, 자동화 도입까지 영역이 넓은 만큼, 누가 시키지 않아도 자신이 해야 할 일을 스스로 찾아 움직이는 분과 함께 일하고 싶습니다.
새로운 자동화를 설계하는 날도 있고, 데이터의 빈 칸을 손으로 맞추는 날도 있습니다. 어느 쪽이든 자기 영역을 묵묵히 끝까지 해내고, 팀이 막히는 곳에 손을 보태며 함께 걸어가는 동료를 찾습니다.
힘든 일도 마다하지 않고 목표를 향해 함께 달려갈 분이라면 — 지금 바로 우리 로켓에 합류해주세요.
[함께 일할 사람들]
•AI 플랫폼팀장 — SW 개발/인프라 시니어. 함께 인프라와 시스템을 운영합니다.
•사내 MD (임상 자문) — 임상 태그 스키마와 평가 기준 설계의 파트너.
•AI 연구팀 — 모델을 만드는 핵심 ML 엔지니어. 본 자리에서 만든 데이터·자동화 인프라의 1차 사용자.
•데이터팀 — 의료영상 라벨링·CQA 수행 팀. 자동화의 가장 큰 수혜를 받습니다.
•CTO — 사내 AI/R&D 기술 방향을 함께 세우고, 본 자리의 우선순위를 함께 정합니다.
주요업무
1. 데이터 검색·소싱·통합 — 내부·외부(병원·연구기관 협력) 데이터를 수집하고 표준화된 형태로 사내에 통합합니다.2. 전처리·익명화·정리 — DICOM 영상 변환·정규화·익명화, 임상 메타데이터 정리·결측 보완, 라벨 결합을 수행합니다.
3. 데이터 카탈로그·저장·버전 관리 — DICOM 메타데이터에 임상 컨텍스트(조영제 유무, 암종, 수술이력 등)를 결합한 데이터 시스템을 설계·구
축·운영하고, 데이터셋 버전과 reproducibility를 관리합니다.
4. 학습/평가 데이터 파이프라인 구축·운영 — AI 연구팀의 모델 학습·평가에 필요한 데이터 흐름, 실험 추적, 모델 레지스트리를 운영합니다.
5. Model Drift 모니터링 & 모델 한계의 데이터 분석 — 운영 모델의 성능을 신규 데이터 유입에 맞춰 추적하고, 모델이 약한 case·구간을 데
이터 관점에서 진단해 개선 방향을 제안합니다.
6. 라벨링·CQA 자동화 (LLM / AI Agent 활용) — 영상 모델 기반 pre-labeling·active learning, LLM/agent 기반 정성평가(CQA) 자동
화 파이프라인을 설계·도입합니다.
7. Cross-functional 협업 — AI 연구팀, 데이터팀, 사내 MD와 협업하며 데이터·도메인 의사결정을 시스템·실험에 반영합니다.
자격요건
•데이터 엔지니어링 실무 경험 — 데이터 검색·소싱부터 전처리·정리·저장·파이프라인 구축·운영까지 한 사이클을 직접 완주해본 경험•영상 기반 ML 모델 경험 — segmentation, classification, detection 등 형태 무관, 학습·평가 사이클을 직접 돌려본 수준
•모델 결과를 데이터 관점에서 분석하는 역량 — 모델이 약한 case·실패 패턴을 데이터로 진단하고 개선 방향을 제시해본 경험
•Python + ML 프레임워크 (PyTorch 또는 TensorFlow)에 능숙
•데이터 파이프라인 도구(Airflow, Prefect, Dagster 등) 또는 자체 파이프라인 구축·운영 경험
•LLM 또는 AI agent를 활용한 자동화 경험 — 혹은 단기간에 익혀 실제 운영에 도입할 의지와 사례
•도메인 전문가(임상의·연구자)와 협업하며 그들의 의도를 시스템·실험 스펙으로 옮긴 경험
•스타트업의 pace에서 스스로 일을 찾아 움직이는 자세
