계절 알레르기로 고통 받는 사람들이 말하는 것처럼, 공기 중에 있는 알레르기 항원의 농도는 몇 걸음마다 달라집니다. 근처에 꽃이 피는 나무나 갑자기 불어오는 꽃가루가 섞인 바람은 재채기를 유발하고 눈에 눈물이 젖게 하죠.
하지만 공기 중의 알레르기 항원 함유량은 도시와 같은 큰 지역 단위 별로 보고되고 있습니다.
그러나 딥 러닝 기반 장치의 네트워크는 과학자들이 더 작은 구역별로 꽃가루 밀도를 추적할 수 있게 해주죠.
미국 로스엔젤레스의 캘리포니아대학교(UCLA) 연구원들은 5가지의 흔한 알레르기의 수치를 꽃가루와 곰팡이 포자로부터 94%의 정확도로 구별하는 휴대용 AI 기기를 개발했습니다. 연구팀의 최근 논문에 따르면, 이는 기존의 머신 러닝 방식보다 25% 향상된 수치입니다.
UCLA 캘리포니아 나노시스템즈 연구소(UCLA California NanoSystems Institute)의 부소장이자 연구논문 수석 저자인 아이도간 오즈칸(Aydogan Ozcan)는 “추론용 엔비디아 GPU를 사용하면, 딥 러닝 모델을 실시간으로도 구현 할 수 있습니다”라고 말했습니다. UCLA 대학원생 이첸 우(Yichen Wu)는 이 논문의 첫 번째 저자입니다.
기존의 알레르기 유발 물질 감지 방법을 버리다
꽃가루, 포자, 그리고 미생물을 포함한 작은 생물학적 입자들은 숨을 쉴 때마다 인체에 침투합니다. 그러나 부유세균이라고 불리는 이 미세한 입자들이 특정 공원이나 길모퉁이에 얼마나 많은지 파악하는 것은 쉽지 않죠.
부유세균은 일반적으로 연구원들이 실험실에서 필터나 포자 채집기를 사용해 수집한 후, 얼룩을 지우고, 수동으로 검사하는데, 이는 50년 전의 방법으로 몇 시간에서 며칠이 소요됩니다.
오즈칸은 “UCLA 연구진은 휴대할 수 있고, 비용 효율적인 기기로 알레르기 항원을 현장에서 직접 관찰하여, 샘플 전송, 표시, 그리고 수동 조사에 드는 시간과 인건비를 생략함으로써 기존의 방법을 개선하기 시작했습니다”라고 말했습니다.
기존의 방식과 다르게 이 장치는 레이저 빛을 받는 끈적거리는 표면에 공기를 자동으로 빨아들입니다. 레이저는 이미지를 감지하는 칩을 사용해 모든 입자의 홀로그램을 생성해 종종 투명하게 보이는 알레르기 항원을 눈에 보이고 잡힐 수 있게 하죠.
홀로그램 이미지는 두 개의 분리된 신경망에 의해 처리됩니다. 하나는 생물학적 입자를 묘사하는 부분에 초점을 맞추기 위해 이미지를 정화하고 자르기 위한 것이고, 다른 하나는 알레르기 항원을 분류하기 위한 것이죠.
기존의 머신 러닝 알고리즘은 홀로그램 이미지로부터 부유세균을 분류하는데 약 70%의 정확도를 가집니다. 딥 러닝은 연구원들이 94%라는 전례 없는 수치까지 정확도를 증진시킬 수 있게 하죠.
우 연구원은 엔비디아 GPU를 사용하면 신경 네트워크의 트레이닝을 수백 배 가속화 하여 실시간 테스트나 추론이 가능하다고 말했습니다.
실시간 분석을 위한 솔루션
연구논문에서 설명한 기기 버전은 딥 러닝 분석을 위해서 홀로그램을 원격 서버로 전송해야 하는 반면, 우 연구원은 이 기기의 미래 버전은 AI 모델을 실행할 수 있는 내장형 GPU를 가질 수 있다고 말했습니다.
과학자들에게 휴대용 기기는 비용을 절감하고, 분산된 센서로부터 데이터를 수집하여 보다 세밀한 해상도를 가진 실시간 청정도 지도를 만들 수 있게 해줍니다. 이 지도는 일반 대중에게 온라인으로 제공될 수 있습니다. 기후변화가 알레르기 계절을 더 길고 심각하게 한다는 점에서 유용한 도구죠.
무게가 약 450g(1파운드) 조금 넘는 이 장치는 자체적으로 개별 알레르기 환자나 천식 환자에게 사용 될 수 있습니다. 환자들이 주변의 대기 상태를 언제든지 관찰하고, 스마트폰을 통해 데이터에 접속할 수 있도록 해주죠.
이 장치는 무선으로 작동할 수 있기 때문에, 드론에 탑재해 접근하기 어렵거나 위험한 현장의 대기 상태를 추적하고 관찰 할 수도 있습니다.
연구진은 AI 모델을 확대해 더 많은 종류의 부유세균과 다른 입자들을 감지하고, 물리적 장치를 개선해 수개월에 걸쳐 지속적인 감지를 수행할 수 있도록 할 계획입니다.