컨텐츠 바로가기

[인터뷰] AI 활용한 신규 감염병 대응시스템 개발 시작..."보편적 거리두기 2m 한계 넘는다"

댓글 첫 댓글을 작성해보세요
주소복사가 완료되었습니다
AI타임스

(왼쪽부터) 황은진 래블업 책임연구원, 권민수 고려대 안암병원 이비인후과 교수, 최인희 서울시립대 생명과학과 교수, 유용상 KIST 선임연구원이 AI 기술을 활용한 감염병의 전파 관련 매개변수 분석을 위해 힘을 합쳤다. (사진=김동원 기자)

<이미지를 클릭하시면 크게 보실 수 있습니다>


(왼쪽부터) 황은진 래블업 책임연구원, 권민수 고려대 안암병원 이비인후과 교수, 최인희 서울시립대 생명과학과 교수, 유용상 KIST 선임연구원이 AI 기술을 활용한 감염병의 전파 관련 매개변수 분석을 위해 힘을 합쳤다. (사진=김동원 기자)코로나19 팬데믹에 이은 오미크론 변이의 확산까지 전 세계가 바이러스 공포에 휩싸였다. 백신 3차 접종 확대에도 불구하고 국내 하루 확진자 수는 1만 명을 돌파하며 오미크론 대유행 조짐이 나타나고 있다.

기존에 없던 새로운 바이러스에 인류가 맞설 수 있는 최소한의 무기는 '예방수칙 준수'다. 현재 국민은 정부가 마련한 사회적 거리두기 지침을 지키고, 마스크 착용 의무화를 준수하며 바이러스로부터 건강을 보호하고 있다.

하지만 사회적 거리두기 지침이 바이러스 감염 예방에 얼마나 효과가 있을지는 아직 정확히 밝혀지지 않았다. 현재 권장되는 사람 간 2미터(m) 거리두기는 과학적 근거가 적다. 사람마다 비말을 내뿜는 거리가 다르고 머무는 환경에 따라 바이러스 감염 가능성에 차이가 나지만, 과거 논문을 분석해 2m라는 거리를 보편적으로 제시했을 뿐이다.

거리두기 간격뿐만이 아니다. 한 장소에 몇 명 이상 모이면 안 되는지, 몇 시까지 모임을 하면 안 되는지에 대한 제한도 정확한 근거가 없다. 수치적인 모델을 기반으로 한 보편적인 조치 사항으로 개별 상황에 대해서는 고려하지 않았다.

이번 팬데믹은 이러한 감염병에 대한 예방수칙을 제대로 확립해야 하는 과제를 안겨줬다. 특히 스페인 독감이나 사스, 메르스 등 새로운 감염병 발생 주기가 짧아지고 있는 지금, 과학적 근거를 기반으로 한 예방수칙 확립의 중요성은 커졌다.

이에 과학기술정보통신부와 정보통신산업진흥원(NIPA), 질병관리청 등 정부 기관은 데이터에 기반해 신종 호흡기계 감염병에 대응하기 위한 인공지능(AI) 개발에 나섰다. 그중 하나로 추진되고 있는 것이 'AI 융합 신규 감염병 대응시스템' 사업이다.

AI 융합 신규 감염병 대응시스템 사업은 AI 기술을 활용해 호흡기 감염병이 어떻게 전파되는지를 분석, 방역수칙 수립 등 '통합적 대응 시스템 구축'을 과학적 기반으로 지원하는 것을 목표로 한다. 이 사업은 여러 세부 사업으로 진행된다. 첫 번째 세부 사업은 AI 기술을 활용한 감염병의 전파 관련 매개변수 분석이다. 2021년부터 2023년까지 기간이 정해진 이 사업에는 AI 기업인 래블업과 정부출연 연구기관인 한국과학기술연구원(KIST), 고려대 안암병원, 서울시립대가 참여하고 있다.

해당 연구에 참여한 황은진 래블업 책임연구원과 유용상 KIST 선임연구원, 권민수 고려대 안암병원 이비인후과 교수, 최인희 서울시립대 생명과학과 교수를 만나 자세한 얘기를 들어봤다.

AI타임스

(왼쪽부터) 권민수 고려대 안암병원 이비인후과 교수, 황은진 래블업 책임연구원, 유용상 KIST 선임연구원, 최인희 서울시립대 생명과학과 교수가 AI 

<이미지를 클릭하시면 크게 보실 수 있습니다>


(왼쪽부터) 권민수 고려대 안암병원 이비인후과 교수, 황은진 래블업 책임연구원, 유용상 KIST 선임연구원, 최인희 서울시립대 생명과학과 교수가 AI 융합 신규 감염병 대응시스템과 관련해 이야기를 나누고 있다. (사진=김동원 기자)Q. AI 기술 기반 감염병 대응시스템 구축을 위해 네 분이 뭉쳤다. 현재 AI 기술을 활용한 감염병 전파 관련 매개변수 분석을 연구하고 있는데, 이 연구개발이 왜 필요한지 궁금하다.

[황은진 래블업 책임연구원]
현재 코로나19 감염 방지를 위해 2m 거리두기를 시행하고 있다. 그런데 사실 이 기준은 과학적인 근거가 적다. 이 수치의 근거를 찾아가 보면 40년대의 비말 생성 관련 연구들에 기반한 것이다. 감염병 전파가 비말 안의 바이러스와 접촉해서 이뤄지게 되니, 비말이 직접 뿌려지는 범위에서 벗어날 수 있도록 2m 이상 거리를 두라는 취지다.

하지만 실제로 재채기를 하면 비말이 7~8m 퍼지기도 한다. 사람의 체격이나 호흡기 증상 유무에 따라 비말이 퍼지는 형태가 다르고, 장소·계절에 따라서도 다르다. 마스크를 잘 착용하고 있으면 비말이 퍼지는 범위는 더 짧아진다. 이를 2m라고 일률적으로 이야기하는 것보다는, 때와 장소에 따라 탄력적으로 방역 조치를 할 수 있어야 감염병의 전파를 막으면서도 사회 경제적인 여파를 최소화할 수 있다고 본다.

현재 우리가 진행하고 있는 연구는 과학적 근거를 기반으로 적절한 방역 수칙 기준을 정할 수 있는 근거를 마련하기 위함이다.

[유용상 KIST 선임연구원]
예를 들어 키 180센티미터(cm)인 사람과 160cm인 사람이 내뿜는 비말의 거리는 다르다. 중증 감염자와 경증 혹은 무증상 감염자가 보유하고 있는 비말 당 바이러스 양도 다르다.

지금까지 감염병 대응 관련 연구에서는 이러한 세부적인 내용이 연구되지 않았다. 그러다 보니 정부에서 내놓는 정책 역시 천편일률적일 수밖에 없고, 과거 연구 자료만 차용할 수밖에 없다. 이러한 한계를 극복하기 위한 연구라고 보면 된다.

Q. 현재 정부에서 진행하고 있는 코로나19 예방수칙을 보완할 수 있는 연구라고 보면 되나.

[권민수 고려대안암병원 교수]
과기정통부에서 해당 연구를 진행하는 이유는 당장 코로나19 극복을 위해서라기보단 앞으로 예상되는 감염병 예방을 위해서라고 볼 수 있다.

코로나19는 인수 공통 감염 질환이다. 앞으로 이러한 인수 공통 감염 질환은 많아질 것으로 예상된다. 기후변화와 함께 동물 생태계가 파괴되면서 인간에게 옮겨오는 질환이 계속 증가하고 있고 점점 팬데믹이 발생하는 간격은 줄고 있다. 실제로 100년 전 발생한 스페인 독감에서 메르스, 사스, 코로나19까지 팬데믹 발생 간격은 점점 줄어들었다.

이제 이러한 호흡기 감염 질환을 어떻게 예방할 것인가가 중요해졌다. 현실에서 임상을 보는 의사 입장에서 보면, 예방수칙이 맞지 않는 부분이 있다. 과거 메르스가 발생했을 때에는 낙타와 접촉하지 말고, 낙타 우유를 먹지 말라는 등 현실과는 다소 동떨어진 지침이 내려온 바 있다. 코로나19인 지금은 감염전파 상황에 따라 유동적으로 거리두기와 집합제한 지침이 내려오고 있지만, 국민을 납득시키기에는 왜 그러한 지침이 수립되었는지 과학적인 근거가 더 필요하다는 생각이 든다.

앞으로 정부는 대국민 설득을 할 수 있는 예방지침을 수립해야 하는 과제를 안고 있다. 향후 발생할 호흡기 감염 질환을 예방할 수 있는 과학적인 근거 기반 지침을 내려야 한다. 이번 연구는 이를 위한 단계라고 보면 된다.

Q. 이번 연구에 AI가 사용되는 이유는 무엇인가.

[황은진 래블업 책임연구원]
비말 전파만 따져도 고려해야 할 부분이 많다. 거리, 높이, 온도, 습도, 마스크 착용 여부, 기침 여부, 발열 여부, 바이러스 보유량 등이 영향을 미친다. 우리는 이러한 여러 요소를 기반으로 위험 분포를 지표로 도출하는 모델을 만들고자 한다. 고려할 요소가 많고 사람과 환경 조건마다 연구를 해야 하다 보니 이 모델은 고차원 맵핑을 해야 한다.

이러한 계산을 기존 방식으로 접근하려면 굉장히 어렵다. 한 요소의 변화가 다른 요소에도 변화를 가져올 수 있는데, 요소 하나하나를 따로 떼어서 상관관계를 도출해 내는 것은, 우리가 다루는 시스템처럼 고려할 요소가 많을 때에는 너무나 복잡한 일이다.

하지만 잘 훈련된 AI는 이러한 일을 상대적으로 쉽게 할 수 있다. 온도가 조금 내려가거나 습도가 조금 내려가는 등 변화가 있을 때 (물론 이 두 요소 사이에는 상관관계가 있어서 하나가 변하면 다른 하나도 영향을 받게 된다) 이에 따른 결과값을 AI는 실시간으로 계산해 결과로 도출할 수 있다. 위험도를 0에서 100 사이의 값으로 보여주는 것이다.

[권민수 고려대안암병원 교수]
의사 입장에서 감염병 확진자가 폭증하면 가장 중요한 건 초기 대응이다. 백신과 치료제가 없는 상황에서 감염병 환자가 많아지면 다른 환자들이 치료받고 입원할 수 있는 공간이 부족해진다.

데이터를 기반으로 한 AI 분석 시스템을 만들면 향후 똑같은 일이 발생했을 때 초기 대응에 유용할 것이다. 정부에서도 방역 지침을 세우는데 데이터에 의한 객관적인 자료와 과학적인 근거를 기반으로 하므로 국민의 신뢰도 이끌어낼 수 있다. AI 기반 분석 시스템이 필요한 이유다.

Q. 현재 코로나19 상황을 봤을 때 정부 지침이 몇 시까지 영업을 못 하게 하고, 몇 명 이상 모이지 않게 하니 소상공인이 피해를 많이 보고 있다. 이번 연구가 완성되면 이러한 불편함도 줄어들 것 같은데.

[황은진 래블업 책임연구원]
9시 영업 제한, 10시 영업 제한은 모델링 결과에 의해 만들어진 조치다. 단 여기서 사용된 것은 수치적인 모델링이다. 예를 들어 9시 전까지만 사람들이 만날 수 있도록 조치하면 사람들은 2차를 안 간다고 한다. 모임이 보통 1차에서 끝나기 때문에 사람들이 모이는 기회가 줄어든다. 사람들이 만나는 빈도가 줄어들기 때문에 전파 위험도가 낮아질 것이라는 수치적인 예측이 있었기 때문에 해당 조치를 취한 것이다.

하지만 질문처럼 이런 조치는 소상공인에겐 어려움으로 이어질 수 있다. 현재 진행하는 사업은 계절과 장소, 습도, 온도별로 감염 위험도를 분석해 준다. 따라서 단순히 최근 감염자가 많다고 9시까지만 영업을 하게 하는 것이 아니라 계절이나 영업하는 공간의 환경 등을 기준으로 영업을 제한하는 것이 가능하다.

운동시설이나 식당, 주점, 노래방 등 업종별로 차별화를 둘 수 있는 것도 가능할 것이라고 본다. 그렇게 되면 소상공인의 어려움을 줄일 수 있고, 지금보다 국민의 공감과 이해도 역시 한층 높일 수 있다고 생각한다.

Q. 그런데 이번 연구를 하기 위해선 조건이 다른 사람마다 실험해야 하고 데이터를 취득해야 하는데, 감염자를 대상으로 실험을 하긴 쉽지 않을 것 같다.

[황은진 래블업 책임연구원]
맞다. 바이러스가 들어있는 비말 데이터를 실측하기 위해선 코로나19 환자를 대상으로 실험을 해야 하지만, 이는 거의 불가능하다. 감염병 통제가 되지 않기 때문이다. 그래서 사람과 비슷하게 비말을 뿜어내는 생성 장치를 만들어 이 데이터를 기반으로 하고 있다. 이 장치는 유용상 KIST 선임연구원 연구실에 만들었다.

[유용상 KIST 선임연구원]
사람과 비슷하게 비말을 뿜어내는 장치는 비말 실측 챔버이다. 이 장치를 통해 사람의 키와 성별, 마스크 착용 여부, 감염 여부 등에 따라 비말과 바이러스를 분사하는 데이터를 취합하고 있다. 이렇게 측정한 데이터를 기반으로 온도나 습도 등에 따라 얼마나 비말이 퍼질 수 있는지도 실험하고 있다.

Q. 2023년까지 연구를 한다고 알고 있다. 현재 진행 상황에 대해 알 수 있나.

[황은진 래블업 책임연구원]
이번 연구는 2021년부터 2023년까지 진행된다. 현재 2년 차에 접어들었다. 1년 차에는 비말 생성 장치에서 얼마나 떨어져 있느냐에 따라서 비말이 얼마만큼 퍼지는지를 측정해서, 비말 입자 크기 별로 얼마나 비말이 멀리까지 가는지에 대한 기본 데이터를 수집했다. 2년 차인 지금은 비말 확산에 영향을 주는 변수들을 더 다양화해서 측정할 예정이다.

Q. 감염병 예방을 위해 착용하는 마스크도 종류가 다양하다. 마스크 종류별로 비말이 퍼져나가는 실험도 하나.

[유용상 KIST 선임연구원]
우선 마스크를 착용했을 때와 착용하지 않았을 때의 상황을 측정하고 있다. 마스크 종류별로 비말이 퍼져나가는 실험까진 현재 고려하고 있지 않다. 만약 이러한 과제가 있으면 지금 시스템으로 연구할 수 있다고 본다.

Q. 이번 연구를 위해 AI 연구자부터 센서시스템 연구자, 대학병원 의사까지 뭉쳤다. 어벤져스처럼 느껴지는데 각자 어떤 역할을 하고 있는지 알 수 있나.

[황은진 래블업 책임연구원]
유용상 KIST 선임연구원은 비말 확산 실측과 생성 장치 구축, 대규모 비말 데이터 수집 관련 일을 하고, 래블업에서는 이러한 데이터를 토대로 AI 기반 비말 분포 추정 모델을 개발한다. 권민수 고려대안암병원 교수는 임상 환자 기반 감염 데이터를 제공하고 감염 전파 매개변수 평가를 진행한다. 최인희 서울시립대 교수는 분자 검출 전문가다. 비말 속 바이러스를 분자 수준으로 측정하는 역할을 하고 있다. 바이러스마다 표면의 분자 신호가 다르게 나오는데 이를 분석하여 이번 AI 모델에 적용하는 연구를 하고 있다.

Q. 이번 사업을 통해 감염병에 대응하기 위한 과학적 근거를 확보하는 것 외에도 파생되어 활용할 수 있는 결과가 있을 것 같다. 바이러스 마다 신호가 다르게 나오면, 검지 기술을 통해 오미크론 등 코로나 19 바이러스의 변이를 구분할 수도 있는가.

[최인희 서울시립대 교수]
변이 바이러스를 구분하는 것이 본 사업의 주요 범위는 아니지만, 기술적으로 가능하다. 바이러스의 종류마다 표면을 구성하는 단백질 종류의 차이가 있는데, 이 때문에 독특한 분광학적 신호를 나타내게 된다. 이를 분자 고유의 지문 정보라고 하는데, 이를 측정하면 어떤 바이러스는 A 형태의 신호가 나오고, 또 다른 바이러스는 B 형태의 신호가 나온다고 보면 된다. 쉽게 말하면 바이러스 표면에 있는 단백질이 어떤 종류이냐에 따라 신호가 달라진다고 이해하면 된다. 이론적으로, 오미크론 변이가 기존의 바이러스와 비교하여 스파이크 단백질에 변이가 생김으로써 나타나는 신호를 측정할 수 있다.

Q. 바이러스 감염 여부를 확인하는데도 분광학적 신호 검지 방법을 사용할 수 있나? 현재 코로나19 감염 여부를 측정하는 PCR 검사는 하루 정도의 시간이 걸리는 단점이 있는 것 같다.

[최인희 서울시립대 교수]
현재 KIST 연구팀에서 다양한 조건에서 분사된 비말을 카운팅 하는 연구를 하고 있는데, 여기에 더해 비말 안에 있는 바이러스를 검출하는 연구를 공동으로 수행하고 있다.

실제 비말 안에 바이러스가 어디까지 전달되는지 분석하는 연구를 한다고 보면 된다. 단순히 비말만이 아니라 비말 안에 바이러스까지 같이 구분할 수 있다면 바이러스 감염 여부, 확산 가능성 유무 등도 알 수 있다. 이를 통해 바이러스 확산 가능성이 높은 슈퍼전파자도 사전에 파악할 수 있을 것으로 기대된다.

신속 광학 검출 기법이 완성되면, 핵산 증폭에 시간이 많이 걸리는 PCR 검사에 비해 빠르게 감염 여부를 확인할 수 있는 진단 플랫폼을 개발할 수도 있을 것이다.

AI타임스 김동원 기자 goodtuna@aitimes.com

[관련기사]국내 대형병원들, 코로나19로 '스마트병원' 속도낸다

[관련기사][변호사,AI를 말하다]③정부의 AI 활용, 어디까지 왔는가

Copyright ⓒ '인공지능 전문미디어' AI타임스 (http://aitimes.com)
기사가 속한 카테고리는 언론사가 분류합니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.