AI 도구, 감염병 예측 혁신…존스홉킨스·듀크 연구팀 개발

새로운 AI 도구가 감염병 예측을 재정의하며 기존 최고 수준의 방법론을 능가 존스홉킨스 대학교와 듀크 대학교 연구진이 개발한 AI 도구는 인플루엔자와 코로나19 등 감염병의 유행을 예측, 추적, 관리하는 방식을 혁신할 수 있다는 평가를 받고 있다. 이 도구는 복잡하게 변화하는 요인들 사이의 상호작용으로 인해 병원균의 확산을 예측하는 데 어려움을 겪어왔던 팬데믹의 문제점을 해결할 수 있는 잠재력을 가지고 있다. "코로나19는 병원균 확산을 예측하는 데 있어 복잡하게 변화하는 요소들이 얼마나 중요한지를 명확히 해주었습니다." 코로나19 대시보드를 개발해 전 세계적으로 신뢰받았던 존스홉킨스 대학교의 모델링 전문가 로렌 가드너 교수는 말한다. "상황이 안정적이었을 때는 모델이 잘 작동했지만, 새로운 변이가 발생하거나 정책이 변경될 때 우리는 예측에 실패했습니다. 이 새로운 도구는 이러한 중요한 정보를 포함하는 모델링 능력을 보완합니다." 이 연구는 자연계산과학 저널(Nature Computational Science)에 발표되었다. 코로나19 팬데믹 당시에는 이러한 기술이 존재하지 않았다. 연구팀은 처음으로 대형 언어 모델(Large Language Model, LLM)을 사용하여 병원균의 확산을 예측했다. LLM은 가장 유명한 챗GPT와 같은 생성형 AI 기술을 기반으로 한다. 이 모델, PandemicLLM은 단순히 예측을 수학 문제로 다루는 것이 아니라 최근 감염 증가, 새로운 변이, 마스크 착용 의무화 등의 입력을 고려하여 논리적으로 접근한다. 연구팀은 이전에 팬데믹 예측 도구에서 사용되지 않았던 다양한 정보 스트림을 모델에 제공했으며, PandemicLLM이 1~3주 후 병원균 패턴과 입원 추세를 정확히 예측할 수 있음을 확인했다. 이는 CDC의 COVIDHub에서 가장 높은 성능을 보였던 다른 방법론들을 꾸준히 능가하는 결과를 나타냈다. "질병 예측에서 가장 시급한 과제는 감염과 입원 증가의 원인을 파악하고, 이를 새로운 정보 스트림으로 모델링하는 것입니다." 가드너 교수는 설명한다. PandemicLLM은 네 가지 유형의 데이터를 활용한다: 감염률 데이터 변이 정보 공중보건 정책 및 조치 실시간 사회적 이슈 이 정보를 소화한 후 모델은 다양한 요소가 어떻게 결합되어 병원균의 행동을 영향을 미칠지 예측한다. 이를 검증하기 위해 연구팀은 19개월 동안 각 주에서 코로나19 팬데믹에 이 도구를 역추적 적용했다. 특히 팬데믹 상황이 불안정할 때 다른 모델들과 비교해 성공적인 예측 결과를 보였다. "통상적으로 우리는 과거를 통해 미래를 예측하곤 합니다." 존스홉킨스 대학교의 시스템 공학 조교수 허우 "프랭크" 양은 말한다. "그러나 이는 모델이 현재 상황을 충분히 이해하고 예측하는 데 필요한 정보를 제공하지 않습니다. 대신 이 프레임워크는 실시간 정보를 활용합니다." 필요한 데이터가 있다면 이 모델은 어떠한 감염병에도 적용될 수 있으며, 조류독감, 원숭이두창, RSV 등을 포함할 수 있다. 현재 연구팀은 LLM이 개인들의 건강 관련 의사결정을 복제할 수 있는 능력을 탐구하고 있으며, 이를 통해 공무원들이 안전하고 효과적인 정책을 설계하는 데 도움이 될 것으로 기대하고 있다. "코로나19로부터 배운 점은 더 우수한 도구가 필요하다는 것입니다." 가드너 교수는 말한다. "다음 팬데믹이 발생할 때 이러한 프레임워크가 공중보건 대응을 지원하는 데 핵심적인 역할을 할 것입니다." 업계 전문가들은 PandemicLLM이 기존의 팬데믹 예측 모델보다 훨씬 진보한 접근 방식을 제시하고 있다고 평가한다. 이 도구는 실시간 데이터와 복잡한 변수를 효과적으로 통合하여 공중보건 관리의 정확성을 크게 향상시키며, 미래의 팬데믹 대응에 중요한 자산이 될 것으로 보인다. 존스홉킨스 대학교와 듀크 대학교는 세계적인 연구 기관으로, 이 분야에서 혁신적인 연구를 지속적으로 수행해왔다.