숭실대 권민혜 교수팀, 감염병 장기화에 적합한 머신러닝 기반 감염병 확산 지표 개발

2022년 10월 18일
47242

<사진1- (좌측부터) 숭실대 안수진 석사과정생, 권민혜 교수>

 

숭실대 권민혜 교수팀, 감염병 장기화에 적합한 머신러닝 기반 감염병 확산 지표 개발

 

숭실대학교(총장 장범식) 전자정보공학부 권민혜 교수 연구팀이 감염병 장기화에 적합한 감염병 확산 지표를 개발했다.

기존 코로나바이러스(SARS-CoV-2; COVID-19)의 확산 정도를 측정하는 지표인 감염재생산지수(reproduction number)는 감염병 발생 초기, 대부분의 사람들이 감염병에 대한 면역력이 형성되지 않을 때 적합한 측정 지표다. 하지만, 현재와 같이 감염병이 장기간 진행되는 상황에서는 백신 접종 수나 감염 후 회복 수가 많아져 면역력이 형성되지 않은 사람의 수가 적은 상황에는 효과적이지 않다. 연구팀은 이러한 한계점을 극복하는 새로운 감염병 확산 지표인 감염재생산계수(reproduction factor)를 개발했다.

 

<사진2- 제안한 감염병 수리 모형 및 순방향-역방향 추정 알고리즘>

 

연구팀이 개발한 감염재생산계수는 마르코프 체인(Markov chain) 기반의 수리모형을 활용해 인구 상태를 구분하고 면역력이 형성되지 않는 인구 비율을 확진자 데이터셋에 기반한 머신러닝 방식으로 추정했다. 이 과정에서 숨은 감염자 수와 같이 데이터로 집계되기 어려운 통계적 정보 추정을 위하여 순방향-역방향 추정(forward-backward inference) 알고리즘을 제시했다. 이를 통해 잠복기 상태의 감염자 수 등을 추정할 수 있어 감염병 관련 방역 정책을 세우는데 유용한 근거가 될 수 있다. 연구팀은 한국, 독일, 이탈리아, 미국 캘리포니아 COVID-19 데이터셋을 활용해 제안한 감염재생산계수의 우수성을 입증했다.

한편, 본 기술은 안수진 석사과정생이 1저자, 권민혜 교수가 교신저자로, ‘Reproduction Factor Based Latent Epidemic Model Inference: A Data-driven Approach Using COVID-19 Datasets’라는 제목으로 「IEEE Journal of Biomedical and Health Informatics」에 2022년 10월 게재됐다. 해당 저널은 영향력 지수(Impact Factor) 7.021로 동 분야 상위 6%인 최상위 저널이다. 또한, 본 기술은 대한민국 및 미국 특허출원을 완료해 등록심사 중에 있다.

안수진 석사과정생은 “장기화된 COVID-19 확산으로 많은 국민이 방역 정책에 피로감을 느끼는 현 상황에 꼭 필요한 감염병 확산 지표를 개발하게 되어 기쁘다. 본 연구 결과가 우리나라의 선진 과학 방역에 유용한 근거가 되길 바란다”라고 소감을 밝혔다.

논문 링크: https://ieeexplore.ieee.org/document/9914620

 

홍보팀(pr@ssu.ac.kr)