웨어러블 분야에서 주로 사용하는 활동량 데이터 즉, 신체에 착용한 기기를 통해 사람의 활동 강도를 측정한 데이터가 유실됐을 때 이를 복원하는 인공지능(AI) 기술이 개발됐다.
스마트 워치, 피트니스 밴드 등을 통해 건강 상태와 활동·운동량을 측정하는 웨어러블(착용형 기기) 분야에 대한 관심이 높아지고 있어 이번 연구결과에 관심이 주목된다.
윤덕용 아주대의료원 의료정보학과 교수팀은 미국 국민건강영향조사(NHANES) 1만2,475명, 한국 국민건강영향조사(KNHANES) 1,768명 그리고 아주대 바이오뱅크 177명 등 약 1만4,000명의 활동량 빅데이터와 딥러닝 인공지능 기술을 이용해 유실된 활동량 데이터를 맥락에 맞게 복원시키는 기술을 개발했다.
연구팀이 개발한 인공지능 기반 대체법은 딥러닝 기술 중 오토인코더라는 기술을 활용해 개발됐으며, 평균 20분 길이의 유실 데이터를 복원할 수 있다고 밝혔다.
오토인코더란 데이터로부터 스스로 학습하는 딥러닝 기술 중 하나로, 원본 데이터를 더 작게 압축하여 특징을 추출하고 이를 다시 복원할 수 있도록 설계됐다.
활동량 데이터 분석은 최소 24시간의 관찰 데이터를 이용하는데, 관찰과정에서 기기문제 혹은 사용자의 실수 등으로 데이터가 유실돼 연구에 활용하지 못하는 상황이 많았다.
이번 연구는 인공지능 스스로 활동량 데이터의 특징을 학습하여 유실된 활동량 데이터 복원을 학습하고 그 성능을 향상시켰다는 점과 최초로 활동량 대체법에 딥러닝 기술을 적용한 연구란 점에서 의의가 있다.
연구팀은 아주대병원의 생체신호 데이터베이스를 통해 환자 약 2만 5천명의 심전도 및 산소포화도 등과 같은 생체신호 데이터를 수집 및 분석을 수행해 왔다.
윤덕용 교수는 "대량의 활동량 데이터 수집이 어려운 개인 연구자들에게 유실된 활동량 데이터는 치명적"이라며 "이번에 개발된 활동량 대체법이 개인 연구자들에게 도움이 되기를 바란다"고 밝혔다.
이번 연구결과는 2020년 7월 SCI급 학술지 'JMIR mHealth and uHealth'에 게재됐다.