- 항공편 수, 통신사 로밍 고객 입국자 수 활용
- 기존 딥러닝 AI보다 정확도 35% 향상
신종 코로나바이러스 감염증(코로나19) 확진자가 다시 급증하는 가운데 국내 연구진이 해외에서 국내로 유입하는 확진자 수를 예측할 수 있는 기술을 개발했다.
KAIST는 산업및시스템공학과 이재길 교수 연구팀이 코로나19 해외유입 확진자 수를 예측하는 빅데이터·인공지능(AI) 기술을 개발했다고 밝혔다.
이 기술은 해외 각국의 확진자 수와 사망자 수, 해외 각국에서의 코로나19 관련 키워드 검색빈도와 한국으로의 일일 항공편 수, 해외에서 한국으로의 로밍 고객 입국자 수 등 빅 데이터에 인공지능(AI) 기술을 적용해 향후 2주간 해외유입 확진자 수를 예측하는 방식이다.
코로나19 확진자 수가 급증할수록 해외유입에 의한 지역사회 확산 위험성도 뒤따르기 때문에 이 교수팀이 개발한 해외유입 확진자 수 예측기술은 방역시설 및 격리시설 확충, 고위험 국가 입국자 관리정책 등에 폭넓게 적용될 수 있을 것으로 기대된다.
KAIST 지식서비스공학대학원에 재학 중인 김민석 박사과정 학생이 제1 저자로, 강준혁, 김도영, 송환준, 민향숙, 남영은, 박동민 학생이 제2~제7 저자로 각각 참여한 이번 연구는 최고권위 국제 학술대회 ‘ACM KDD 2020’의 ‘AI for COVID-19’ 세션에서 오는 24일 발표된다. 논문명은 ‘Hi-COVIDNet: Deep Learning Approach to Predict Inbound COVID-19 Patients and Case Study in South Korea’다.
연구팀에 따르면 해외유입 확진자 수는 일반적으로 각국에서의 코로나19 위험도와 각국에서 한국으로의 입국자 수와 비례한다. 하지만 코로나19 위험도와 입국자 수를 실시간으로 알아내기에는 많은 제약이 따르므로 연구진은 쉽게 구할 수 있는 종류의 빅데이터를 기반으로 하는 인공지능(AI) 모델을 구축했다.
연구진은 기본적으로 해외 각국의 코로나19 위험도를 산출할 때 보고된 확진자 수와 사망자 수를 활용했다. 진단검사 수에 좌우되는 확진자 수와 사망자 수치에서 오는 불확실성을 없애기 위해 코로나19 관련 키워드 검색빈도를 입력 데이터로 이용해 해당 국가의 코로나19 위험도를 실시간으로 산출했다.
이와 함께 실시간 입국자 수가 기밀정보로 외부에 공개되지 않기 때문에 매일 제공되는 한국 도착 항공편수와 로밍 고객 입국자 수를 통해 입국자수를 유추해 냈다.
이밖에 국가-대륙으로 구성되는 지리적 계층구조에 따른 해외유입 국가 간의 지리적 연관성을 고려할 수 있는 인공지능(AI) 모델을 설계했다. 연구팀은 이 인공지능 모델을 'Hi-COVIDNet'라고 이름 붙였다.
이후 연구팀은 약 한 달 반에 걸친 단기간의 훈련 데이터만으로 생성된 Hi-COVIDNet을 통해 향후 2주 동안의 해외유입 확진자 수를 예측한 결과, 이 모델이 기존의 시계열 데이터기반의 예측 기계학습이나 딥러닝 기반의 모델과 비교했을 때 최대 35% 더 높은 정확성을 지니고 있음을 확인했다.
제1 저자인 김민석 박사과정 학생은 "이번 연구는 최신 AI 기술을 코로나19 방역에 적용할 수 있음을 보여준 사례"라면서 "K-방역의 위상을 높이는데 기여할 것으로 기대한다"고 말했다.
연구팀은 "해외유입 확진자 수 예측결과는 검역관, 진단키트 등의 검역자원을 배치하고 입국자 자가격리시설을 적절히 확보하기 위한 근거로 활용할 수 있다"며 "정부의 입국검역 강화와 특별 입국절차 제정에 대한 근거로도 활용할 수 있을 것"이라고 설명했다.
이번 연구는 KAIST 글로벌전략연구소 산하 코로나19 AI 태스크포스팀의 지원을 받았다. 아울러 KT와 과학기술정보통신부의 ‘코로나19 확산예측 연구 얼라이언스’를 통해 로밍 데이터 세트를 지원받아 이뤄졌다.
