AI가 스마트폰 데이터로 수명 예측 — 생물학적 나이와 건강 위험 요소 추정

새로운 AI가 생물학적 나이와 건강 관련 주요 위험 요소를 정밀하게 추정합니다. 스마트폰과 웨어러블 기기가 수집한 데이터를 분석합니다. 개발자들은 일상 활동 패턴이 기대수명에 미치는 영향을 관찰하는 앱을 출시했습니다.

어떻게 했나?

유전자 발현, DNA, 혈액 순환 수준 같은 많은 생물학적 요인이 나이와 밀접한 상관관계를 보입니다. 하지만 게놈 프로파일이나 대규모 생화학 분석은 과학 연구 외 용도로는 꽤 어렵고 비쌉니다.

바이오테크 기업 GERO와 러시아 모스크바 물리기술대학교 개발자들은 스마트폰과 웨어러블 기기가 수집한 데이터를 분석해 생물학적 나이와 건강 관련 주요 위험 요소를 추정하는 인공지능 시스템을 구축했습니다.

AI는 패턴 인식, 음성 인식, 시각적 객체 식별 등에서 이미 놀라운 성능을 입증했습니다. 사실 신경망은 개인 맞춤 치료 제공과 신약 개발을 위해 의료 분야에서 활용되고 있습니다. 이런 도구들에 영감받아 연구진은 이제 신체 활동을 기반으로 정확한 건강 정보를 제공하는 새로운 시스템을 개발했습니다.

휴대용 및 웨어러블 기기의 현대 운영체제는 사용자 일상에 지장을 주지 않으면서 개인 활동 기록의 수집과 클라우드 저장을 가능하게 합니다. 이는 수십억 명 규모로 매우 광범위하게 이루어집니다. AI는 이 기록들을 활용해 건강 관련 위험을 지속적으로 모니터링하고 실시간 피드백을 제공합니다.

어떻게 했나?

연구진은 NHANES(국가 건강 영양 조사)에서 4년간(2003-2006) 임상 데이터와 신체 활동 기록을 추출했습니다. 그런 다음 1주일 기록으로 신경망을 훈련해 사망 위험과 생물학적 나이를 추정했습니다.

점점 더 정교한 3가지 생물학적 나이 모델을 비교했습니다:

1. 다변량 선형 회귀
2. 비지도 주성분 분석(PCA)
3. 딥 합성곱 신경망(CNN)

연구진은 지도 학습 방식이나 CNN이 생물학적 운동 패턴의 대부분을 풀어내고 수명 및 일반 건강 정보와의 관계를 규명했음을 발견했습니다. 이 알고리즘은 같은 데이터에서 실행되는 기존 모든 사망 위험 및 생물학적 나이 모델을 능가했습니다.

참조: Nature | doi:10.1038/s41598-018-23534-9 | MIPT

팀은 사용자의 일상 활동 패턴이 기대수명에 어떻게 영향을 주는지 보는(폰의 가속도계 사용) iOS 앱을 개발했습니다.

이전 연구에서 팀은 전이 행렬 요소, 집계 기술자, 간단한 분위수 정규화 형태를 채택해 NHANES 데이터로 훈련된 AI가 영국 바이오뱅크(UK Biobank)의 건강 위험을 추정하는 데 사용될 수 있음을 입증했습니다.

앞으로의 전망

일부 건강보험사는 이미 웨어러블 기기로 모니터링되는 사용자 신체 활동을 기반으로 할인을 제공하기 시작했습니다.

관련 기사: 스팸 필터링 AI, 동물 행동 학습

개발자들에 따르면, 알고리즘은 더 정확한 위험 모델 제공을 위해 더 개선될 수 있습니다. 최신 머신러닝 기법과 노화 이론 결합이 보험의 장수 위험 감소와 은퇴 계획 수립에 도움이 될 더 나은 건강 모델을 산출할 것입니다. AI는 항노화 치료제 개발과 미래 임상 시험에도 기여할 수 있습니다.