AI 분석으로 팬데믹(pandemic)에 맞서는 방법

0

2019년 12월, 중국을 시작으로 발생한 코로나바이러스감염증-19(COVID-19)가 전 세계로 확산되며 190개 국가에서 32만명이 넘는 확진 환자가 발생했습니다. (2020년 3월 23일 기준) 세계보건기구(WHO)는 3월 11일 감염 확산세가 지속되자 홍콩독감(1968), 신종플루(2009)에 이어 사상 세 번째로 코로나19에 대해 팬데믹(pandemic; 세계적 대유행)을 선포했는데요.

(2020년 3월 21일) COVID-19로 확인 보고된 국가, 지역 (출처: WHO Situation Report)

한국 역시 지난 2월 23일 코로나19 대응 수준이 ‘심각’ 단계로 격상되며 확진자가 8천9백명을 넘어섰지만(3월 23일 기준) 신속하고 정확한 검사 능력과 정부의 적극적인 대처, 범국민적 노력과 의지로 힘든 시기를 함께 극복해 나아가고 있는 중입니다. 코로나19 치료와 방역에 힘써 주시는 모든 분들께 다시 한번 감사드립니다🙏

코로나바이러스와 같이 많은 사람들의 생명을 위협하는 질병이 발생했을 때, 인공지능(AI)데이터 분석은 전염병을 예측하고 공중 보건 및 안전을 보호하는 데 핵심적인 역할을 할 수 있습니다. SAS 글로벌 정부기관 프랙티스 부문 이사이자 전 미국 국토안보부 국가생물감시 부문 디렉터로 활동한 스티브 베넷(Steve Bennett) 박사와 SAS 연방 보건 부문 이사 겸 조지워싱턴대학교 감염병 역학 및 생물통계학 교수 테레사 도(Theresa Do)가 자세한 이야기를 전합니다.

AI 데이터가 만나 바이러스를 예측 분석하다

테레사 도(Theresa Do), SAS 연방 보건 부문 이사 겸 조지워싱턴대학교 감염병 역학 및 생물통계학 교수

인공지능(AI)은 전염병과 같은 잠재적 위협에 대한 ‘감시 데이터(sentinel data)’를 활용해 보건 당국 및 관련 기관에 사전에 위험성을 알리고 전염병 발생을 예측할 수 있도록 지원합니다. 테레사 도 교수는 AI가 감염병을 예측 분석하는 과정을 다음과 같이 설명했습니다.

"AI 각종 새로운 질병 위험 요소로부터 공통적인 증상을 신속하게 식별하는 도움을 줍니. 또한 AI데이터 분석을 자동화하고 패턴을 식별하며 위험 요소에 대한 모델을 구축함으로써 전염에 대한 시나리오 분석(scenario analysis) 지원하지요. 전염 경로 파악 , AI 활용해 최초 감염자(index case) 전파자(host) 구분할 있으며 예상되는 접촉자를 파악할 있습니다."

병원에서는 데이터를 기반으로 바이러스로 의심되는 증상들을 식별할 수 있으며, 이를 실험실에서 확인한 결과와 결합하면 감염 예상 경로를 확인할 수 있습니다. 예를 들어 공항에서는 체온 모니터링을 통해 질병 감염 가능성이 높은 사람들의 출국을 제한하고 검역절차를 진행하는 것이지요. 이러한 데이터는 실시간으로 전송되며, 실제 감염자가 발견되면 항공편의 승객 명단 데이터를 활용해 신속하게 다른 승객들의 감염 위험성을 파악할 수 있습니다.

사례 보고서, 전자 건강 기록 및 실험 데이터 등 시민들의 안전을 지키기 위한 공중 보건 데이터들은 예전부터 꾸준히 활용되어 왔습니다. 오늘날 활용할 수 있는 새로운 종류의 데이터들이 끊임없이 발전하고 있으며, 위협을 조기에 감지할 수 있도록 도움을 주는 다양한 감시 데이터 또한 존재합니다. 이러한 데이터에는 항공 이용 패턴, 국가 간 출입국 정보, 호텔 투숙 정보 등이 있지요. 전 세계 교류가 늘어나고 있는 상황에서 감염 확산을 막고 신속하게 식별, 분류 및 검역하기 위해서는 감염 사례 간 데이터 연관성을 찾는 것이 중요합니다.

질병 예측 패러다임을 변화시킨 AI

예전에는 질병 추적을 위해 전통적인 공중 보건 데이터를 수집하고 분석하여 처리하는 과정 대부분이 수작업으로 이루어졌으며, 시간 또한 많이 소모됐습니다. 과거의 보건복지부는 감염 사례 건수가 포함된 보고서나 문서를 완성한 후, 해당 데이터를 시스템에 일일이 직접 입력해야만 분석을 시작할 수 있었지요.

AI는 이러한 패러다임을 바꾸고 있습니다. AI는 자연어처리(NLP) 등의 기술을 통해 정보를 추출하고, 알고리즘을 활용해 기계가 자연어 또는 비정형 텍스트에서 핵심 단어와 구절을 구분할 수 있게 해줍니다. 예를 들어 기존 임상 정보와 함께 소셜 미디어 등 다른 유형의 데이터를 결합해 활용하면 질병 발생 지표는 물론, 잘못된 정보 또한 발견할 수 있습니다. 즉, 자연어처리 기술을 통해 기존과 다른 형태의 공중 보건 정보에서 쉽고 빠르게 필요한 데이터를 식별하고, 잠재적인 위협 요소나 조기 징후에 대한 통찰력을 얻을 수 있게 된 것입니다.

테레사 교수가 전자신문과 함께 인터뷰 기사를 확인해보세요👉 공공의료와 소셜미디어 데이터 종합해 '전염병 예측' (2020.03.01)

바이러스 확산을 막는 4단계 AI 활용법

인공지능, 특히 머신러닝은 코로나19와 같은 신종 전염병의 여파를 줄일 수 있는 엄청난 잠재력을 가지고 있습니다. 베넷 박사에 따르면 AI는 단순한 대응을 넘어 코로나19와 같은 전염병 확산의 4가지 단계 – 예측(prediction), 탐지(detection), 대응(response), 회복(recovery) 과정을 효과적으로 지원합니다.

스티브 베넷(Steve Bennett), SAS 글로벌 정부기관 프랙티스 부문 이사, 전 미국 국토안보부 국가생물감시 부문 디렉터

예측: 인구 증가와 더불어 인류가 새로운 방식으로 동물과 교류하면서, 동물의 체내에 잠복해 있던 바이러스가 인간에게 확산될 가능성 또한 커졌습니다. 코로나19를 포함해 사스(SARS)와 메르스(MERS), 신종독감, 그리고 몇 년 전 서아프리카에서 발생했던 에볼라 바이러스 등이 대표적이지요. 질병통제예방센터(CDC)는 인간이 걸리는 질병 중 3/4이 동물에서 비롯되는 것으로 추정하며, 과학자들은 인간을 감염시킬 수 있는 미확인 동물 바이러스가 최대 80만 가지에 이를 수 있다고 보고 있습니다. AI는 전 세계에 알려진 바이러스, 동물 개체 수, 인구 통계 및 문화/사회적 행동에 관한 데이터를 취합해, 새로운 질병이 발생하기 쉬운 지역을 예측할 수 있습니다. 이 예측 정보는 정부와 보건 기관이 전염병에 대해 예방 조치를 취하거나 효과적으로 대비하는 데 유용하게 활용될 수 있습니다.

탐지: 사람이 미확인 바이러스에 감염된 경우, 그 때부터는 시간이 관건입니다. 바이러스를 빨리 탐지할수록 보다 빠르게 질병의 확산을 막고 효과적인 치료를 제공할 수 있는 의사결정을 내릴 수 있기 때문인데요. 베넷 박사는 미국 국토안보부 국립생물감시통합센터(NBIC)에서 근무할 당시 경험을 공유해주었습니다.

대응: 코로나19와 같은 전염병이 발견된 경우 올바른 결정을 내려야만 확산을 최소화할 수 있습니다. AI는 이동, 인구 및 질병 관련 데이터를 취합하여 질병의 확산 경로와 속도를 예측할 수 있습니다. 몇 년 전 미국 농무부(USDA) 과학자들이 에볼라 발병 당시 여행-인구 조사 모델을 개발했는데요. 비록 에볼라 발병 사태 당시에는 사용되지 않았지만, 이 분석 예측 모델은 에볼라 감염 사례가 관측될 가능성이 높은 텍사스 내 특정 카운티와 병원까지 예측해냈으며 실제 상황과 정확히 맞아떨어졌다고 합니다.

나아가 AI를 사용하면 기존 치료법의 개선 및 새로운 치료법의 개발 기간을 단축할 수 있습니다. 특히 방사선 전문의가 의료 영상을 토대로 보다 효과적인 치료법을 결정하는 데 딥러닝을 사용되고 있습니다. 예를 들어, 코로나19에 감염된 환자의 흉부 엑스레이를 AI 모델에 입력하면 의사는 그 결과를 토대로 감염 여부를 보다 빨리 진단할 수 있습니다. 또한 새로운 바이러스에 대항하는 백신과 의약품을 만들려면 오랜 시간과 시행착오를 감수해야 하는데요. AI는 유사한 전염병에 관한 데이터를 분석하고 그 결과를 토대로 어떤 유형의 백신과 의약품이 가장 효과적일지 예측할 수 있습니다. 이러한 AI 기반의 신약 개발은 수십년의 시간과 수백만 달러의 비용을 줄여줄 것으로 기대됩니다.

회복: 전염병이 소강 상태에 접어들거나 종식되면 정부와 세계 보건기구는 향후 유사한 전염병을 가장 효과적으로 예방하거나 억제할 방안을 마련해야 합니다. 이 단계에서는 머신러닝을 통해 다양한 시나리오를 시뮬레이션 함으로써 보건 정책과 공중 보건 프로젝트의 실효성을 실험할 수 있습니다. 요컨대, AI는 정책 입안자와 보건기구 책임자가 다수의 가상 시나리오를 분석하고 이 데이터를 토대로 정책을 수정, 의사결정을 내려 목표 달성 확률을 높이는 데 기여할 수 있겠지요.

스티브 베넷 박사와 이코노미조선이 함께 인터뷰 기사를 확인해보세요👉 WHO보다 빨리 전염병 예측하고 백신 개발까지 도와 (2020.03.02)

 

데이터 시각화로 COVID-19 경로 추적하기

SAS는 분석을 통해 더 나은 세상을 만들 수 있다고 믿습니다. 이러한 믿음과 노력은 인류의 건강을 위협하는 바이러스 문제에 있어서도 마찬가지입니다. 분석데이터 시각화를 활용하면 빠르게 추세를 파악하고 단편적인 데이터들로부터 유의미한 결과를 도출할 수 있습니다. COVID-19의 글로벌 현황, 위치, 확산 및 추세 분석 결과를 시각화한 SAS 코로나19 대시보드를 확인해보세요. (관련 포스팅 보러가기👉 Click!)

SAS Viya 기반 SAS Visual Analytics를 활용한 SAS 코로나19 대시보드

Share

About Author

Jeanne (Hyunjin) Byun

Related Posts

Leave A Reply

Back to Top