기존 헬스케어 애플리케이션(앱)에서는 천천히 걸음 속도를 높일 경우 잘 측정이 되지 않는 문제가 있는 가운데, 한국과학기술원(KAIST·총장 이광형)이 해법을 찾았다.
KAIST는 이재길 전산학부 교수팀이 다양한 착용 기기 센서 데이터에서 사용자 상태 변화를 정확하게 검출하는 새로운 인공지능(AI) 기술을 개발했다고 12일 밝혔다.
보통 헬스케어 앱에서는 센서 데이터를 통해 사용자 상태 변화를 탐지해 현재 동작을 정확히 인식하는 기능이 필수다. 이를 '변화점 탐지'라 부르며 다양한 AI 기술이 적용되고 있다.
연구팀은 사용자 상태가 점진적으로 변하더라도 정확하게 동작하는 변화점 탐지 방법론을 개발했다.
각 시점 센서 데이터를 AI 기술을 통해 벡터(시점별 상태 특성)로 표현했을 때, 이런 벡터가 시간이 지남에 따라 이동하는 방향에 주목했다. 같은 동작이 유지될 때는 벡터 이동 방향이 급변하는 경향이 크고, 동작이 바뀔 때는 벡터가 직선상으로 이동하는 경향이 크게 나타났다.
연구팀은 이 방법론을 '리커브(RECURVE)'라고 명명했다. 리커브는 양궁 경기에 쓰이는 활의 한 종류며, 활이 휜 모습이 데이터 이동 방향 변화 정도(곡률)로 변화점을 탐지하는 본 방법론 동작 방식을 잘 나타낸다고 봤다.
이 방법은 변화점 탐지 기준을 거리에서 곡률이라는 새로운 관점으로 바라본 신선한 방법이라는 평가를 받았다.
연구팀은 변화점 탐지 문제에서 다양한 헬스케어 센서 스트림 데이터를 사용해 방법론의 우수성을 검증, 기존 방법론에 비해 최대 12.7% 정확도 향상을 달성했다.
이재길 교수는 “센서 스트림 데이터 변화점 탐지 분야 새로운 지평을 열 만한 획기적인 방법이며 실용화 및 기술 이전이 이뤄지면 실시간 데이터 분석 연구 및 디지털 헬스케어 산업에 큰 파급효과를 낼 수 있을 것”이라고 말했다.
KAIST 데이터사이언스대학원을 졸업한 신유주 박사가 제1 저자, 전산학부의 박재현 석사과정 학생이 제2 저자로 참여한 이번 연구는 '신경정보처리시스템학회(NeurIPS) 2024'에서 12월 발표될 예정이다.
한편, 이 기술은 과학기술정보통신부 재원으로 정보통신기획평가원(IITP) 지원을 받아 SW컴퓨팅산업원천기술개발사업 SW스타랩 과제로 개발한 결과물이다.
김영준 기자 kyj85@etnews.com
