한국과학기술원(KAIST)의 이재길 산업·시스템공학과 교수팀은 자체 개발한 인공지능 모델에 KT의 로밍 고객 입국자수 데이터를 적용해 2주간 확진자 수를 예측했다.
현재 KT와 후속 연구로 국내 확진자 접촉자를 선별해 지역 감염 확산을 빠르게 예측할 수 있는 연구도 추진하고 있다. 국내 감염 확산 추세를 파악하기 위한 핵심 연구로 스마트폰 사용 데이터 정보를 기반으로 확진자 접촉 여부를 확인할 계획이다.
|
빅데이터에 인공지능 기술 결합
중앙재난안전대책본부에 따르면 국내 코로나 누적 확진자 수는 18일 오전 0시 기준으로 총 1만 5761명이다. 이 중 해외유입 감염자 수는 2662명으로 전체 확진자의 16.9%를 차지한다. 대륙별로 보면 아시아(중국 외), 미주, 유럽, 아프리카 순이다. 지난 14일 이후 국내 지역 발생 신규확진자 수가 급증하고 있지만 해외유입 확진자 수의 확산추세도 장담할 수 없는 상황이다.
이에 연구팀은 해외 각국의 확진자 수와 사망자 수, 해외 각국에서의 코로나19 관련 키워드 검색빈도와 한국으로의 일일 항공편 수, 해외 각국에서 한국으로의 로밍 고객 입국자 수 등 빅 데이터에 인공지능 기술을 적용한 예측 기술을 선보였다. 연구팀은 개발한 인공지능 모델을 ‘Hi-COVIDNet’라고 이름 붙이고, 지난 3월 22일부터 5월 5일까지 약 한 달 반에 걸친 단기간의 훈련 데이터를 적용해 5월 6일부터 5월 19일까지 2주 동안의 해외유입 확진자 발생을 예측했다.
이재길 교수는 “실제 환자 발생값과 예측값을 비교한 결과, 기존 모델 대비 35% 더 정확하게 나왔다”며 “앞으로 데이터 등을 추가로 제공 받아 현 상황에 적용해 실시간 분석·예측 서비스를 수행할 수도 있다”고 설명했다.
이 교수팀이 개발한 모델은 방역 시설·격리 시설 확충, 고위험 국가 입국자 관리 정책 등에 응용할 수 있다. 코로나19 확진자수 발생 예측은 국내외 모델이 함께 결합해야 한다는 점에서 코로나19 확산과 종료 시점 예측에도 유용하게 활용할 수 있다.
이 교수는 “코로나19가 2차 유행될 조짐을 보이는 가운데 해외 유입자도 폭발적으로 증가할 가능성이 있다”며 “이번에 개발한 예측 기술에 데이터 획득이 추가로 이뤄지면 정확한 질병 예측 연구에 도움이 될 것”이라고 말했다.