%ea%b9%80%ec%9e%ac%ec%b2%a0%41%49%eb%8c%80%ed%95%99%ec%9b%90
-
“신약 설계해줘”... 소버린 바이오 AI 'K-Fold' 공개
“이 단백질에 잘 결합하는 신약 후보를 설계해줘.”
연구자가 AI에게 이렇게 요청하면 AI가 단백질의 3차원 구조를 예측하고, 어떤 물질이 잘 결합할지 분석해 유망한 신약 후보를 설계한다. 우리 대학 연구진이 세계에서 가장 빠르게 단백질 구조 예측을 수행하는 바이오 AI 모델 ‘K-Fold(케이폴드)’를 국내 독자 기술로 개발했다.
우리 대학은 과학기술정보통신부 ‘AI 특화 파운데이션 모델 프로젝트’의 주관기관으로 ‘팀 KAIST’를 구성하고, 차세대 바이오 AI 모델 ‘K-Fold’를 공개했다고 28일 밝혔다.
‘팀 KAIST’는 화학과 김우연 교수가 연구를 총괄하고, 김우연 교수 그룹과 김재철AI대학원 황성주·안성수 교수 그룹 연구원들이 AI 모델 개발을, 생명과학과 오병하·김호민·이규리 교수가 단백질 데이터 구축과 검증을 담당한다. KAIST 교원창업기업 히츠(HITS)는 K-Fold를 연구자가 실제 활용할 수 있도록 웹 기반 AI 연구 플랫폼 ‘하이퍼랩(HyperLab)’과 연계해 서비스로 구현했다. K-Fold의 성과 확산과 산업계 활용 촉진은 한국제약바이오협회와 한국바이오협회가 맡는다.
K-Fold의 가장 큰 특징은 신약 개발에 필요한 단백질과 약물의 ‘결합’을 AI로 예측한다는 것이다.
신약을 개발하려면 먼저 질병과 관련된 단백질이 어떤 모양인지 파악하고, 수많은 물질 가운데 어떤 것이 그 단백질에 잘 붙어 원하는 작용을 하는지 찾아야 한다. K-Fold는 단백질의 3차원 구조를 예측하는 것은 물론 약물 후보가 단백질의 어디에, 어떤 모습으로 결합할지까지 미리 계산해 유망한 후보를 빠르게 찾도록 돕는다.
단백질 하나의 구조만 예측하는 데 그치지 않는다. 단백질과 단백질, 단백질과 약물 후보 물질, DNA·RNA 등 여러 생체분자가 서로 만났을 때 어떤 구조를 만드는지까지 예측할 수 있다.
성능도 세계적인 수준이다. 지난 3월 과제 단계평가에서 K-Fold의 분자 복합체 구조 예측 정확도는 구글 딥마인드의 AlphaFold3(알파폴드3)에 근접한 수준으로 평가됐다. 연구팀이 8월 자체 수행한 성능평가에서는 일부 평가 항목에서 기존 글로벌 모델보다 높은 성능도 확인했다.
특히 암을 비롯한 여러 질환의 주요 신약 표적인 G-단백질 연결 수용체(GPCR)와 인산화효소(Kinase), 질병을 일으키는 단백질을 직접 제거하는 새로운 신약 기술인 표적단백질분해(TPD) 분야에서 약물이 표적 단백질에 어떻게 결합하고 작용하는지를 예측하는 데 높은 성능을 보였다.
구조 예측 속도도 크게 높였다.
기존 단백질 구조 예측 AI는 구조를 계산하기 전에 비슷한 단백질의 서열 정보를 대량으로 찾아 비교하는 복잡한 사전 작업이 필요했다. K-Fold는 이러한 과정에 의존하지 않는 새로운 방식을 적용해 사전 계산 단계를 없애고, 기존 모델 대비 구조 예측 속도를 최대 25배 높였다.
이는 같은 시간에 더 많은 신약 후보를 살펴볼 수 있다는 의미다. 구조 예측에 필요한 시간과 컴퓨팅 자원을 줄이면서 수많은 후보 가운데 가능성이 높은 물질을 빠르게 골라내 연구자가 실제 실험할 대상을 좁히는 데 도움을 줄 수 있다.
배충식 KAIST 총장은 “AI 시대의 국가 경쟁력은 핵심 기술을 우리 스스로 개발하고 활용할 수 있는 ‘소버린 AI’ 역량에 달려 있다”며 “K-Fold는 국내 독자 AI 기술을 바이오와 결합해 세계 수준의 기술에 도전하고, 실제 신약 연구에 활용할 수 있는 서비스로 연결했다는 데 의미가 크다. KAIST는 앞으로도 AI 원천기술과 과학기술의 융합을 통해 대한민국의 AI 기술 주권과 미래 경쟁력을 높여가겠다”고 말했다.
연구팀은 K-Fold를 개발하는 데서 그치지 않고 연구자가 웹에서 대화하듯 사용할 수 있는 AI 연구 서비스로 구현했다.
KAIST 교원창업기업 히츠의 멀티에이전트 플랫폼 ‘하이퍼랩(HyperLab)’에 K-Fold를 탑재해 별도의 고성능 컴퓨터를 직접 구축하거나 복잡한 AI 프로그램을 다루지 않아도 사용할 수 있도록 했다.
예를 들어 연구자가 “이 단백질에 강하게 결합하는 항체를 설계해줘”라고 요청하면 AI가 단백질 구조를 예측하고, 결합 가능성이 높은 후보를 설계한 뒤 계산을 통해 결과를 평가하는 과정을 단계적으로 지원한다. “이 암 표적 단백질에 적합한 펩타이드 후보를 찾아줘”라고 요청하는 것도 가능하다. 쉽게 말해 연구자가 직접 여러 프로그램을 옮겨 다니며 구조를 계산하고 결과를 분석하는 대신, AI에게 연구 목표를 말하면 필요한 분석과 설계를 차례로 수행하도록 한 것이다.
하이퍼랩은 이를 위해 구조 예측과 약물 설계, 유전체·단백질 등 생명과학 데이터 분석에 활용할 수 있는 120여 개의 계산 도구와 160여 개의 전문 기능을 갖췄다. 또한 100여 개의 전문 데이터베이스와 대규모 지식그래프를 연결해 필요한 연구 정보를 찾아 분석에 활용할 수 있도록 했다.
연구 질문을 이해하고 필요한 도구를 선택해 구조를 예측하고, 결과를 분석한 뒤 다시 설계를 개선하는 일련의 과정을 지원한다는 점에서 연구자를 돕는 ‘AI 공동연구자(Co-Scientist)’를 지향한다.
바이오 AI는 신약 개발의 시간과 비용을 줄일 수 있는 핵심 기술로 떠오르면서 미국·영국·중국의 글로벌 빅테크와 주요 연구기관들이 치열한 개발 경쟁을 벌이고 있다. 이번 K-Fold 개발은 바이오 AI 핵심 기술을 해외 모델에만 의존하지 않고 국내 기술로 확보해 실제 연구에 활용할 수 있는 ‘소버린 바이오 AI’ 기반을 마련했다는 데 의미가 있다.
이번 성과는 지난 6월 23일 열린 ‘2026 한국생체분자과학연합학술대회’에서 김우연 교수가 ‘에이전틱 AI 기반 생성형 신약 설계(Generative Drug Design Powered by Agentic AI)’를 주제로 한 기조강연을 통해 처음 공개했다.
김우연 KAIST 화학과 교수는 “K-Fold는 기존 모델을 따라가는 것이 아니라 새로운 AI 구조를 적용해 기존 방식의 한계를 뛰어넘기 위해 개발했다”며 “세계 최고 수준의 바이오 AI를 연구자 누구나 활용할 수 있는 과학 AI 플랫폼으로 발전시키겠다”고 말했다.
‘팀 KAIST’ 컨소시엄은 K-Fold를 무료로 배포할 예정이며, 하이퍼랩은 국내외 연구자를 대상으로 베타 서비스를 제공한 뒤 올해 안에 단계적으로 상용 서비스를 확대할 계획이다.
한편 K-Fold의 산업 현장 확산을 위한 교육도 본격화됐다. 8월 27일 한국바이오협회 온라인 교육에는 85명이 참여했으며, 9월 1일 한국제약바이오협회와 진행하는 온·오프라인 교육에는 현재 118명이 신청했다. 교육에서는 제약·바이오 기업 실무자를 대상으로 K-Fold 활용법과 신약 설계 적용 사례를 소개해 소버린 바이오 AI의 산업 현장 도입을 지원한다.
※ 관련 사이트: HyperLab Co-Scientist: https://hyperlab.ai/features-co-scientist
K Fold-하이퍼랩 3.0 소개영상: https://drive.google.com/file/d/1MxhZr-C3pQdIVn1EP44hQICj8G70is3_/view
한편, 이번 연구는 과기정통부 ‘차세대 바이오 파운데이션 모델 K-Fold 개발’ 과제(PJT-25-100009) 의 지원을 받아 수행됐다.
2026.08.28 조회수 2251 -
AI로 의과학·바이오 분야 새 시대 연다
우리 대학은 과학기술정보통신부가 주관하는‘AI 특화 파운데이션 모델 개발 사업’의 ‘루닛 컨소시움’ 주요 참여기관으로 선정되어, 의과학·바이오 분야 AI 파운데이션 모델 개발에 본격 착수했다고 14일 밝혔다.
이번 사업을 통해 KAIST는 바이오·의료 데이터 전주기를 아우르는‘의과학 특화 AI 파운데이션 모델’을 개발하며, AI 기반 생명과학 혁신 생태계 조성을 주도할 계획이다.
‘루닛 컨소시움’에는 루닛을 중심으로 트릴리온랩스, 카카오헬스케어, 아이젠사이언스, SK바이오팜, 리벨리온 등 7개 기업과, KAIST, 서울대, NYU, 국민건강보험공단 일산병원, 용인세브란스병원 등 9개 의료기관 및 연구기관이 함께 참여한다.
본 컨소시엄은 최신 B200 GPU 256장을 지원받아, 의료 데이터를 처음부터 끝까지 연결해 분석하는 AI 시스템인‘증거사슬(Chain of Evidence) 기반 전주기 의과학 AI 모델’과 여러 AI가 협력해 진단·예측을 수행하는 시스템인 ‘멀티 에이전트(Multi-Agent) 서비스’를 구축·실증할 예정이다.
우리 대학은 이번 사업에서 전산학부 및 김재철AI대학원 교수진들이 공동 연구팀을 이루어 참여한다. 최윤재, 김태균, 예종철, 김현우, 홍승훈 교수가 연구팀으로 활동하며, 이상엽 연구부총장은 자문 역할을 맡고 있다.
연구진은 데이터를 단순히 수집하는데 그치지 않고, AI가 실제로 학습하고 활용할 수 있도록 의료와 생명과학 데이터를 정교하게 가공하고 체계적으로 관리하는 전략(L1~L7 단계)을 세운다. 이를 통해 의료 정보, 유전자·단백질 데이터, 신약 후보 물질 등 다양한 생명과학 데이터를 연결해 분석하는 AI 모델을 개발·검증할 예정이다.
연구팀이 통합하려는 데이터는 언어에서부터 실제 환자 진료 정보까지 폭넓게 포함된다. 구체적으로는 L1은 언어 데이터, L2는 분자의 구조, L3은 단백질과 항체, L4는 유전자와 단백질 정보를 아우르는 오믹스 데이터, L5는 의약품 정보, L6은 의과학 연구와 임상 데이터, 그리고 L7은 실제 병원에서 얻는 진료 데이터(실세계 임상 데이터) 를 의미한다. 즉, AI가 다루는 데이터는 말과 글에서 시작해, 분자와 단백질, 약물, 임상 연구, 그리고 실제 환자 진료 정보까지 모두 연결된다.
이상엽 부총장은 합성생물학과 시스템 대사공학 분야의 세계적 석학으로, 생명과학·공학·AI 융합을 통한 바이오 제조 플랫폼 구축과 정책 자문을 이끌고 있다. 그는 유전자와 단백질 등 생명정보(오믹스) 분석을 자문하고, 실험 결과를 검증하는 피드백 시스템을 설계해 한국이 개발하는 의료 AI 모델이 국제적 신뢰성과 경쟁력을 확보할 수 있도록 지원하고 있다.
이 부총장은 “AI 기술이 생명과학과 공학의 경계를 허물며 새로운 지식 창출의 패러다임을 만들어가고 있다”며, “KAIST는 의과학 전주기 데이터를 활용해 AI가 질병의 원인을 밝히고 치료를 예측하는 시대를 앞당길 것”이라고 말했다.
이광형 KAIST 총장은 “KAIST는 AI 기반 생명과학 혁신 생태계 조성에 기여하고, 세계 최고 수준의 AI·바이오 융합 연구를 통해 국가 전략산업의 혁신을 선도하며 인류 건강과 과학기술의 진보를 이끌어가겠다”고 밝혔다.
루닛 컨소시움에서 개발되는 모델은 상업적 활용이 가능한 오픈 라이선스(Open License) 형태로 공개되어, 국민건강 챗봇 등 다양한 의료·헬스케어 서비스로 확장될 예정이다.
우리 대학은 이번 참여를 계기로 AI 기반 생명과학 데이터 인프라 구축, 의료 AI 표준화, AI 윤리 및 정책 자문 연구 등을 강화해 국가 바이오·의과학 연구의 AI 전환을 선도할 계획이다.
2025.11.14 조회수 7683 -
KAIST, 생성 AI 국가 R&D 사업서 핵심기술 개발 주도
KAIST는 산업체의 실질적 기술 수요에 기반한 연구 주제 도출, 고급 AI 인재 양성, 연구 성과의 산업 현장 실증을 통해 AI 기술의 산업 적용(AX, AI Transformation) 전환을 주도하고 있다. 이러한 가운데, KAIST가 과학기술정보통신부 주관 생성AI 국가R&D 사업에서 AI 핵심기술 개발에 나서며, 국내 AI 기술 경쟁력 강화에 앞장서고 있다고 13일 밝혔다.
우리 대학은 이번 ‘생성AI 선도인재양성사업’에서 산업체 주관 2개 과제와 기관 주관 1개 과제 등 총 3개 과제 모두의 공동연구기관으로 선정됨으로써, 생성형 AI의 핵심 기술 개발과 산학협력 기반 실무형 핵심 인재 양성이라는 이중 과제를 함께 수행하게 됐다.
또한 ‘독자 AI 파운데이션 모델 개발’사업에서는 총 5개 컨소시엄 중 4개에 우리 교수진이 핵심 연구진으로 참여해, 명실상부한 국내 생성 AI 연구의 중심 축 역할을 하고 있다.
생성AI 선도인재양성사업에서 각 과제당 67억 원, 독자 AI 파운데이션 모델 개발 사업에서 각 컨소시엄은 GPU 인프라 등 총 2,000억 원 규모의 정부 지원을 받는다.
2028년 말까지 진행되는 ‘생성AI 선도인재양성사업’의 일환으로, 우리 대학은 LG AI연구원과 협력, 전산학부 박노성 교수가 KAIST 책임연구자로 참여해 피지컬(Physical) AI 분야 연구를 수행한다. 이 사업은 물리 법칙에 기반한 이미지·비디오 생성 기술과 세계 모델(World Model) 개발에 집중한다.
특히 AI가 물리 세계의 실제 규칙을 더 정밀하게 학습하도록 설계된 모델 구조를 제안한 연구를 박노성 교수팀과 윤성의 교수팀이 진행하고 있고, 이는 물리 기반 생성형 AI(피지컬 AI)의 핵심 기술로 평가받고 있다.
또한 이 과제에는 AI 분야에서 세계적으로 주목받는 성과를 내고 있는 전산학부 박노성, 이재길, 황지영, 윤성의, 김현우 교수가 공동 참여한다. 이들은 올해 AI 분야 최고 학회인 ICLR, ICRA, ICCV, ICML에서 ▲물리 법칙 기반 올리비에-리치 플로우(Ollivier-Ricci Flow) 연구(ICLR 2025, 박노성 교수) ▲사족보행 로봇의 내비게이션 효율성 향상 기술(ICRA 2025, 윤성의 교수) ▲텍스트-비디오 검색을 위한 멀티모달 대형언어모델(ICCV 2025, 김현우 교수) ▲지식 생성을 위한 구조적 표현 학습(ICML 2025, 황지영 교수) 등을 발표했다.
NC AI와의 협력 사업에서는 전산학부 김태균 교수가 책임연구자로 참여해 멀티모달 AI 에이전트 기술을 개발한다. 3D 모델링, 애니메이션, 아바타 표정 생성, 캐릭터 AI 등 게임 산업 전반에 적용 가능한 기술을 연구한다. 게임 제작 파이프라인을 효율화하여 산업 현장을 경험함으로써 실무형 AI 인재를 육성하는 데 기여할 전망이다.
가상세계와 게임 산업에서 몰입감 있는 아바타 구현의 핵심 기술을 개발하고 있는 책임연구자인 김태균 교수는 3차원 컴퓨터 비전, 생성 AI의 석학으로, 이번 메타와 공동 연구를 통해 개발한 1인칭 시점 전신 동작 확산 모델을 VR·AR 환경에 적용할 것이다.
NC와의 사업에는 전산학부 김태균, 성민혁, 오태현 교수와 문화기술대학원 이성희, 우운택, 노준용, 임경태 교수가 참여한다. 이들은 CVPR 2025와 ICLR 2025에서 ▲ 1인칭 시점 전신 동작 확산 모델(CVPR 2025, 김태균 교수) ▲ 이미지 생성을 위한 확률적 확산 동기화 기술(ICLR 2025, 성민혁 교수) ▲ 대규모 3차원 얼굴 메시 비디오 데이터셋 구축(ICLR 2025, 오태현 교수) ▲ 사물 적응적 에이전트 동작 생성 기술 InterFaceRays (Eurographics 2025, 이성희 교수) ▲ 3차원 뉴럴 얼굴 편집 기술 (CVPR2025, 노준용 교수) ▲ 다국어 시각-언어 모델의 선택적 검색 증강 기술 연구(COLING2025, 임경태 교수) 등 세계적인 성과를 발표한 바 있다.
한국전자기술연구원(KETI) 주관 사업에는 김재철AI대학원 김승룡 교수가 생성AI 기술 개발 등에 참여한다. 김 교수팀은 최근에 어도비 리서치(Adobe Research), 구글 딥마인드(Google DeepMind) 등과 함께 비디오 데이터에서 강인한 점추적 정보를 추출하는 기술을 개발하여 비디오를 명확히 이해하고 생성하는 핵심 기술을 제시했다.
각 산업체 파트너는 우리 대학과 공동 강의를 개설하고 보유한 생성AI 파운데이션 모델을 교육·연구용으로 제공한다. 선발된 우수 학생들은 산업체에 파견되어 실무 중심의 연구를 수행하며, 우리 교수진은 LG AI연구원이 설립한 자체 AI 대학원에서 겸임교수로도 활동할 예정이다.
한편 과기정통부 '독자 AI 파운데이션 모델 개발' 사업에 우리 대학은 4개 컨소시엄에 참여해 독보적인 존재감을 보였다.
NC AI 컨소시엄에서는 전산학부 김태균, 윤성의, 박노성, 황지영, 성민혁 교수가 참여해, 멀티모달 파운데이션 모델(LMM) 및 로봇 기반 모델 개발에 집중한다. 특히 공간·물리·시간 상식을 학습하는 방식의 LMM 개발에 주력한다. 즉, 글·그림·영상·소리 등 다양한 정보를 동시에 이해하고 처리할 수 있는 '만능 AI 두뇌'를 가지고 물리 세계를 이해하고 상호작용할 수 있는 차세대 멀티모달 AI 모델 개발에 최적화된 연구팀을 구성했다.
업스테이지 컨소시엄에는 데이터 AI, NLP(자연언어) 각 분야 석학인 전산학부 이재길, 오혜연 교수와 LLM 전문가인 문화기술대학원 임경태 교수가 참여해 금융, 법률, 제조 등 산업별 버티컬 모델 개발을 담당한다. 우리 대학 연구진은 산업 현장에서 바로 적용 가능하고 각 산업에 맞는 실용적 AI 모델 개발에 집중한다.
네이버 컨소시엄에는 멀티모달 학습, 조합적 언어시각 모델에 핵심기술을 가진 전산학부 오태현 교수, 언어 모델을 사용하여 비디오 추론, 생성 방법론을 제시한 김현우 교수와, 김재철AI대학원 및 전자과 교수진이 공동 참여한다.
SKT 컨소시엄에는 텍스트-이미지 생성, 인간 선호도 모델링, 시각적 로봇 조작 기술 개발에서 탁월한 성과를 보이는 김재철AI대학원 이기민 교수가 참여한다. 이 기술은 통신사의 개인화 서비스와 맞춤형 AI 솔루션 개발에 핵심적 역할을 할 것으로 전망된다.
이번 성과는 KAIST가 추진해 온 산업 수요 기반 연구와 현장 실증 중심의 AI 기술 개발 전략이 결실을 맺은 것으로 평가된다.
우리 대학 이광형 총장은 "AI 기술이 학문적 성과를 넘어 산업과 연결되고 실용화되기 위해서는 정부의 지속적 지원과 산학협력 중심의 연구·교육이 핵심”이라며 "KAIST는 앞으로도 산업 현장의 문제를 해결하고 AI 생태계 경쟁력을 높이는 실질적 기여에 힘쓸 것”이라고 밝혔다.
또한 이번 독자 파운데이션 모델 개발 사업에서 KAIST 주관기관으로 지원됐던 김재철AI대학원 황성주 교수 주도의 프로젝트는 아쉽게도 최종 선정에는 이르지 못했지만, 독창적인 접근과 과감한 시도가 돋보인 의미 있는 도전으로 평가받고 있다. 이 총장은 “선정 여부와 관계없이 이러한 시도가 축적되며 대한민국 AI 생태계를 더욱 풍요롭게 만들 것”이라고 덧붙였다.
2025.08.13 조회수 12813 -
이성주, 신진우 교수팀, 스스로 새로운 환경 적응하는 인공지능 기술 개발
우리 대학 전기및전자공학부 이성주 교수와 AI대학원 신진우 교수 연구팀이 공동연구를 통해 스스로 환경변화에 적응하는 테스트타임 적응 인공지능 기술을 개발했다고 밝혔다.
해당 연구는 “NOTE: Robust Continual Test-time Adaptation Against Temporal Correlation”라는 제목으로 인공지능 분야 최고권위 국제학술대회 ‘신경정보처리시스템학회(NeurIPS) 2022'에서12월 발표될 예정이다.
이성주 교수와 신진우 교수 공동 연구팀이 스스로 새로운 환경에 적응하는 “테스트타임 적응 (Test-Time Adaptation)” 인공지능 기술을 개발하였다. 연구팀이 제안한 알고리즘은 기존의 최고 성능 알고리즘보다 평균 11% 향상된 정확도를 보였다.
기계학습 모델들의 한계점은 학습했던 데이터와 다른 분포의 데이터에 적용되면 성능이 급격히 하락한다는 것이다. 이를 푸는 여러 방법 중에서 데이터를 미리 수집할 필요없이 모델이 스스로 테스트 데이터를 분석하여 변하는 환경에 적응하고 성능을 향상시키는 기술인 테스트타임 도메인 적응 (Test-Time Adaptation) 방법이 최근 산학계에서 크게 각광을 받고 있었다.
연구팀은 기존의 테스트타임 도메인 적응 기술들이 모두 데이터가 이상적인 균일분포를 따른다는 가정을 한다는 문제점에 착안했다. 실제 데이터는 환경 변화나 시간 변화에 따라 데이터 분포가 변하거나 비균일분포의 데이터에 대해서는 기존 기술을 동작하지 않는다. 하지만 연구팀이 제시한 “NOTE” 기술은 비균일분포의 데이터에서도 기존 최대 성능 알고리즘 보다 평균 11%만큼 향상된 정확도를 보였다.
이성주 교수 연구팀과 신진우 교수 연구팀의 공동연구로, 공태식 박사과정이 제1저자로 연구를 이끌었고, 정종헌 박사과정, 김태원 학사과정, 김예원 석사과정이 공동 저자로 기여하였다.
이성주 교수와 신진우 교수는 ”테스트타임 도메인 적응은 인공지능이 스스로 환경 변화에 적응하여 성능을 향상시키는 기술로, 활용도가 무궁무진하다. 이번에 발표될 NOTE 기술은 실제 데이터 분포에서 성능향상을 보인 최초의 기술이고 자율주행, 인공지능 의료, 모바일 헬스케어 등 다양한 분야에 적용이 가능할 것으로 기대된다.” 라고 밝혔다.
이 연구는 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원 (No. NRF-2020R1A2C1004062)과 방위사업청과 국방과학연구소의 지원(UD190031RD)으로 한국과학기술원 미래 국방 인공지능 특화연구센터에서 수행된 연구이다.
2022.10.21 조회수 16660