스마트폰 데이터를 활용한 AI로 수명 예측

• 새로운 AI는 생물학적 연령과 건강과 관련된 주요 위험 요인을 정확하게 추정할 수 있습니다. 
• 스마트폰과 웨어러블 기기에서 수집한 데이터를 분석합니다.
• 개발자들은 일일 활동 패턴이 기대 수명에 어떤 영향을 미치는지 관찰하는 앱을 출시했습니다.  

유전자 발현, DNA, 혈액 순환 수준과 같은 많은 생물학적 요인은 연령과 밀접한 상관관계를 나타냅니다. 그러나 게놈 프로파일이나 대규모 생화학은 과학 연구 이외의 응용 분야에서는 상당히 어렵고 비용이 많이 듭니다.

일을 쉽게 하기 위해 생명공학 회사 GERO와 러시아 모스크바 물리 기술 연구소의 개발자는 생물학적 연령과 건강과 관련된 주요 위험 요소를 추정할 수 있는 인공 지능 시스템을 구축했습니다. 스마트폰과 웨어러블 기기에서 수집한 데이터를 분석하는 방식으로 작동합니다.

AI는 이미 패턴 인식, 음성 인식, 시각적 개체 식별 및 기타 영역에서 경이로운 성능을 입증했습니다. 실제로 신경망은 의료 분야에서 맞춤형 치료를 제공하고 약물을 만드는데 활용되고 있다. 이러한 도구에서 영감을 받아 연구원들은 이제 신체 활동을 기반으로 정확한 건강 정보를 제공할 수 있는 새로운 시스템을 개발했습니다.

휴대용 및 웨어러블 장치의 최신 운영 체제를 사용하면 사용자의 일상 생활을 방해하지 않고 개인 활동 기록을 수집하고 클라우드에 저장할 수 있습니다. 그리고 이는 수십억 명의 사람들을 대상으로 매우 큰 규모로 이루어집니다. AI는 이러한 기록을 활용하여 건강 관련 위험을 지속적으로 모니터링하고 실시간으로 피드백을 제공합니다.

그들은 어떻게 했나요?

연구진은 NHANES(국민건강영양조사)에서 4년간(2003~2006년)의 임상 데이터와 신체 활동 기록을 추출했습니다. 그런 다음 사망 위험과 생물학적 연령을 추정하기 위해 1주간의 기록으로 신경망을 훈련시켰습니다.

그들은 점점 더 정확해지는 3가지 생물학적 연령 모델을 비교했습니다 –

1. 다변량 선형 회귀
2. 비지도 주성분 분석(PCA)
3. 심층 컨벌루션 신경망(CNN)

연구자들은 지도 방법 또는 CNN이 대부분의 생물학적 동작 패턴을 밝혀내고 수명 및 일반 건강 정보와의 관계를 확립했다는 것을 발견했습니다. 이 알고리즘은 동일한 데이터에서 실행되는 사망 위험 및 생물학적 연령에 대한 기존의 모든 모델보다 성능이 뛰어났습니다.

참고자료:자연 | doi:10.1038/s41598-018-23534-9 | MIPT 

팀은 (휴대폰의 가속도계를 사용하여) 사용자의 일일 활동 패턴이 기대 수명에 어떤 영향을 미치는지 확인하는 iOS 앱을 개발했습니다.

또한 이전 작업에서 팀은 NHANES 데이터에 대해 훈련된 AI가 영국 바이오뱅크의 건강 위험을 추정하는 데 사용될 수 있음을 보여주기 위해 전이 행렬 요소, 집계된 설명자 및 간단한 형태의 분위수 정규화를 채택했습니다.

다음은 무엇인가요?

일부 건강보험 회사는 이미 웨어러블 기기를 통해 모니터링되는 사용자의 신체 활동을 기반으로 할인을 제공하기 시작했습니다.

읽기:스팸 필터링 AI가 동물의 행동을 학습합니다

개발자에 따르면 보다 정확한 위험 모델을 제공하기 위해 알고리즘을 더욱 개선할 수 있습니다. 최신 기계 학습 기술과 노화 이론을 결합하면 보험의 장수 위험을 줄이고 은퇴 계획에 도움이 되는 훨씬 더 나은 건강 모델을 얻을 수 있습니다. AI는 또한 노화 방지 치료법 개발과 향후 임상 시험에도 기여할 수 있습니다.