KAIST, ‘헬스케어 앱’ 정확도 높이는 AI 개발

- 전산학부 이재길 교수 연구팀

- 기존 대비 12.7% 정확도 향상

이번 연구를 수행한 KAIST 연구진. 박재현(왼쪽부터) 석사과정, 이재길 교수, 신유주 박사.[KAIST 제공]

[헤럴드경제=구본혁 기자] 국내 연구진이 완만한 변화에도 동작을 정확하게 파악하는 인공지능(AI) 기술을 개발했다.

KAIST는 전산학부 이재길(사진) 교수 연구팀이 다양한 착용 기기 센서 데이터에서 사용자 상태 변화를 정확하게 검출하는 새로운 인공지능 기술을 개발했다고 12일 밝혔다.

헬스케어 앱에서는 센서 데이터를 통해 사용자의 상태 변화를 탐지하여 현재 동작을 정확히 인식하는 기능이 필수다. 이를 변화점 탐지라 부르며 다양한 인공지능 기술이 변화점 탐지 품질을 향상하기 위해 적용되고 있다.

이재길 교수팀은 사용자의 상태가 급진적으로 변하거나 점진적으로 변하는지에 관계없이 정확하게 잘 동작하는 변화점 탐지 방법론을 개발했다.

연구팀은 각 시점의 센서 데이터를 인공지능 기술을 통해 벡터(사용자의 상태)로 표현했을 때, 이러한 벡터가 시간이 지남에 따라 이동하는 방향을 주목했다. 같은 동작이 유지될 때는 벡터가 이동하는 방향이 급변하는 경향이 크고, 동작이 바뀔 때는 벡터가 직선상으로 이동하는 경향이 크게 나타났다.

연구팀은 제안한 방법론을 ‘리커브(RECURVE)’라고 명명했다. 리커브는 양궁 경기에 쓰이는 활의 한 종류이며, 활이 휘어 있는 모습이 데이터의 이동 방향 변화 정도(곡률)로 변화점을 탐지하는 본 방법론의 동작 방식을 잘 나타낸다고 보았다. 이 방법은 변화점 탐지의 기준을 거리에서 곡률이라는 새로운 관점으로 바라본 매우 신선한 방법이라는 평가를 받았다.

연구팀이 개발한 리커브 방법론의 동작 개념도.[KAIST 제공]

연구팀은 변화점 탐지 문제에서 다양한 헬스케어 센서 스트림 데이터를 사용하여 방법론의 우수성을 검증, 기존 방법론에 비해 최대 12.7% 정확도 향상을 달성했다.

이재길 교수는 “센서 스트림 데이터 변화점 탐지 분야의 새로운 지평을 열 만한 획기적인 방법이며 실용화 및 기술 이전이 이뤄지면 실시간 데이터 분석 연구 및 디지털 헬스케어 산업에 큰 파급효과를 낼 수 있을 것이라고 말했다.

정보통신기획평가원(IITP) 지원으로 수행된 이번 연구결과는 오는 12월 열리는 ‘신경정보처리시스템학회’에서 발표될 예정이다.

nbgkoo@heraldcorp.com

Copyright ⓒ 헤럴드경제 All Rights Reserved.