카네기 멜론 대학교 델파이 그룹과 슬립 사이클, AI 기반 야간 기침 데이터 분석을 위한 5년 연구 협력 발표

섹션별 상세

CMU 델파이 그룹과 슬립 사이클은 5년 동안 익명화된 수면 데이터를 활용해 호흡기 질환의 역학 모델링 및 예측 연구를 공동 진행한다. 슬립 사이클은 자사의 'Cough Radar' 도구에서 추출된 지역별 야간 기침 강도 데이터를 제공하며, 연구진은 이 신호가 기존 보건 데이터보다 질병 유행을 더 빨리 감지할 수 있는지 검증한다. 분석 대상에는 인플루엔자, RSV, SARS-CoV-2와 같은 주요 호흡기 바이러스가 포함되며, 데이터의 지리적 분포를 통해 지역 사회 수준의 확산 양상을 파악한다.

슬립 사이클의 'Cough Radar' 앱이 실행된 스마트폰 화면으로, 런던 지역의 기침 강도를 지도로 시각화하고 있다. — Screenshot이 이미지는 연구에 사용될 핵심 데이터 소스인 'Cough Radar'의 작동 방식을 보여준다. 지역별 기침 빈도를 색상으로 구분하여 시각화함으로써, AI가 어떻게 수면 중 소리 데이터를 지리적 역학 정보로 변환하는지 직관적으로 설명한다.

이번 협력은 CMU 델파이 그룹이 국가 역학 모니터링을 위해 수면 앱 데이터를 체계적으로 평가하는 첫 사례이다. Roni Rosenfeld 교수가 이끄는 연구팀은 슬립 사이클의 오디오 기반 기침 감지 기술로 수집된 데이터가 기존의 공중 보건 데이터 스트림과 결합했을 때 어떤 부가 가치를 창출하는지 엄격하게 분석할 계획이다. 연구의 궁극적인 목표는 이러한 새로운 지표가 공중 보건 당국이 질병 발생에 더 신속하게 대응하고 시민의 건강을 보호하는 데 실질적인 도움을 줄 수 있는지 확인하는 것이다.

데이터 활용 과정에서 개인 정보 보호를 최우선으로 하며, 차분 프라이버시(Differential Privacy) 기술을 적용해 비식별화된 연구 데이터를 생성한다. 슬립 사이클은 전 세계 180개국에서 수집된 30억 밤 분량의 방대한 수면 데이터 라이브러리를 보유하고 있으며, 이를 통해 인구 통계학적 수준의 건강 트렌드를 파악하는 데 기여한다. 이러한 대규모 데이터셋은 기존의 제한적인 임상 데이터보다 더 넓은 범위의 인구 집단을 대변할 수 있어 역학 모델의 일반화 성능을 높이는 데 중요한 역할을 한다.

기술

Differential Privacy
Audio-based Cough Detection
Epidemiological Modeling

활용 사례

질병 조기 경보 시스템
지역별 감염병 확산 지도
공중 보건 정책 수립 지원

언급된 리소스

문서Sleep Cycle Website

문서Delphi Epidata Platform