전 세계 코로나19 확진자 수는 19일 기준 21만 4,000명을 넘어섰다. 올해 1월까지만 해도 코로나19는 세계적 전염병이 아니었다. 중국에서만 발생하는 전염병 정도로 여겨졌으나, 지금은 전 세계로 확산해 ‘세계적 대유행(팬데믹)’을 야기하고 있다.

중국은 2월 중순을 시점으로 코로나19 확진자 수가 줄어들면서 안정기에 접어들었다고 할 수 있다. 반면 이탈리아, 이란, 스페인, 독일, 프랑스, 미국, 영국 등 다른 국가들은 확진자 수가 점차 증가하는 추세이다.

코로나19 확진자 수를 보면 이런 생각이 든다. 코로나19 발병을 가장 빠르게 예측했다면 어땠을까? 혹은 발병 근원지로부터 온 사람의 동선을 정확하게 파악해 코로나19 전염 사후 조치를 했다면 어땠을까? 다시 말해, 사전과 사후 조치를 잘했으면 하는 아쉬움이 든다.

블루닷으로 인해 AI 기반 전염병 예측 재활성화되나?

인공지능(AI)을 활용하면 사전과 사후 조치가 가능하다. 실제로 코로나19의 경우 AI가 질병 전문 기관보다 먼저 예측했다.

캐나다 스타트업 ‘블루닷(BlueDot)’은 지난 12월 31일 전염병이 확산할 것이라는 보고서를 발간했다. 코로나19 발병을 정확하게 예측한 것이다.

이는 질병 전문 기관보다도 빠른 예측이었다. 미국질병통제예방센터(CDC)는 1월 6일 코로나19 확산을 예측했고, 세계보건기구(WHO)는 1월 9일이 돼서야 코로나19 확산을 예측했다.

이처럼 블루닷이 코로나19를 가장 빠르게 예측할 수 있었던 배경에는 AI의 역할이 컸다. 블루닷은 65개 언어로 발행되는 10만 건의 정보를 자체 개발한 AI 시스템에 제공한다. 참고로 이러한 정보에는 뉴스부터 시작해 동식물 전염병 현황, 항공 데이터 등을 포함하고 있다.

AI 기반 전염병 예측 서비스 개발은 블루닷이  처음은 아니다. 예전부터 이와 유사한 연구는 진행돼 왔다.

2008년 구글은 자신의 검색엔진을 기반으로 독감 전염병을 예측하는 구글플루(Google Flu)를 출시했다. 해당 서비스는 당시 많은 사람으로부터 관심을 받았고, 2009년에는 학문적 우수성을 인정받아 과학저널 네이처(Nature)에도 실렸다.

구글이 활용한 방법은 단순했다. 개인의 검색어를 분석해 독감을 파악하는 것이었다. 예를 들어, 개인이 독감에 걸렸다고 하면 구글에 독감 관련 단어를 검색할 가능성이 높다.

구글은 이러한 검색량을 가지고 독감 전염병을 예측하려 한 것이다.

이러한 검색을 통한 전염병 예측 방식에는 두 가지 문제가 있다.

첫째는 일반인이 본인의 질병을 정확하게 예측하기 어렵다는 것이다. 의사를 통해 진찰 결과를 받아야지 본인의 질병을 정확히 알 수 있다.

이는 새로 유행하는 독감을 정확하게 예측하지 못하는 허점이 있다. 한 마디로 일반인이 감기 증상만으로 기존 독감과 새로운 독감을 구분해서 검색할 수는 없다. 실제로, 구글은 2009년 세계적으로 유행했던 신종인플루엔자를 예측하지 못했다.

둘째는 과잉 검색의 문제가 있다. 전염병 확진자 수는 제한돼 있다. 그러나 검색 수는 제한돼 있지 않다.

이에 검색량은 사람에 따라 다르고, 심지어 독감이 걸리지 않은 사람도 독감을 검색해 볼 수 있는 것이다. 결국, 검색 수 기반으로 전염병 발병률을 예측하는 것에는 커다란 오차 범위를 만들어 낼 수 있다.

이러한 문제는 실제로 발생하기도 했다. 2013년 구글플루는 실제 독감 발생률보다 2배 가까이 되는 오차 범위를 보여 신뢰성에 타격을 입었다.

이에 2015년 구글플루는 서비스를 중단한다고 공표했다. 이유는 정확성 때문이다.

블루닷은 구글플루과 다른 새로운 방법으로 접근해 AI 기반의 전염병 예측 가능함을 입증했다. 2.0버전이 등장한 셈이다.

참고로 블루닷은 코로나19만 정확히 예측한 것이 아니다. 2014년 에볼라 바이러스 확산을 예측했고, 2016년에는 브라질 지카 바이러스 확산을 예측했다.

그 밖에도 여러 방법으로 전염병을 예측하는 시스템이 연구되고 있다. AI 기반으로 콜레라 발생 가능성을 예측하는 진단 시스템도 개발됐다. 듀크대학은 매사추세츠 종합병원과 방글라데시 국제설사병 연구와 협력해 사람의 장내를 분석해 콜레라 감염을 예측하는 시스템을 개발했다. 원리는 장내 수천 종류의 박테리아를 분석하는 것에 있다.

캐나다 온타리오 공과대 병원은 미숙아 질병을 예측하는 시스템을 개발했다. 신생아 집중치료실의 장비를 통해 신생아의 질병을 예측할 수 있게 했다.

AI로 전염병 확산 방지에도 활용

전염병 사후조치는 크게 두 가지로 나눌 수 있다. 그리고 AI는 두 가지 부분에 모두 적용할 수 있다.

첫째는 감염자 경로를 빠르게 파악하는 것이다. 그리고 이를 통해 의심 감염자를 선별하고, 감염자가 확산하는 것을 막는 것이다. 둘째는 치료제를 빠르게 개발하는 것이다. 치료제를 빨리 만들수록, 전염병 확산시기와 함께 감염자 수도 줄어든다.

싱가포르는 국가 안보를 위해 국가위험관리시스템(RAHS)을 구축했다. RAHS를 통해 여러 재난에 대응할 수 있게 했는데, 전염병도 포함돼 있다. 싱가포르는 전염병이 발생했을 때 지역별 위험 수준을 분류하게 하여 사후조치를 취할 수 있게 했다.

KT는 아프리카 케냐와 협력해 ‘감염병 확산 방지 플랫폼(GEPP)’을 지난해 12월에 구축했다. 해당 플랫폼은 사용자가 감염 위험 지역에 갔을 때, 전염병 위험 정도를 알람 메시지로 알려준다. 참고로 전염병 위험 정도는 발병지역, 노출 현황 등 각종 데이터를 AI로 분석해 정보가 제공된다. 그리고 전염병 확산 국가로 방문했을 경우, 국가관리기관에 알려 방문자를 관리할 수 있도록 했다.

KT는 코로나19를 계기로 GEPP 플랫폼을 확장할 수 있을 것으로 기대하고 있다. 참고로 GEPP는 올해 2월 글로벌모바일어워드(Global Mobile Awards)에서 '유엔지속가능개발(UN SDSs) 모바일 기여' 부분으로 수상했다.

치료제 개발에도 AI를 활용할 수 있다. 바이두는 자사의 AI 알고리즘을 활용해 코로나19 유전자 구조를 분석에 활용하고 있다. 바이두에 따르면, 분석 시간을 기존보다 120배가량 줄였다고 밝혔다. 바이두의 AI 활용은 치료제 개발에도 도움을 줄 수 있을 것으로 기대된다.

이처럼 코로나19로 인해 AI 기술이 전염병 대응에 적극적으로 활용될 전망이다.