남아시아에서 말라리아 발생을 예측하는 인공 지능

NDORMS 연구진은 국제 기관들과 협력하여 환경 측정과 딥러닝 모델을 활용하여 남아시아의 말라리아 발병을 예측할 수 있는 가능성을 입증했습니다. 이 연구는 세계에서 가장 치명적인 질병 중 하나인 말라리아에 대한 조기 경보 시스템을 개선할 수 있는 고무적인 전망을 제시합니다.

말라리아는 여전히 심각한 세계 보건 문제로, 전 세계 인구의 약 절반이 감염 위험에 노출되어 있으며, 특히 아프리카와 남아시아 지역에서 그렇습니다. 말라리아는 예방이 가능하지만, 기후, 사회인구학적, 환경적 위험 요인의 다양성으로 인해 발병 예측이 어렵습니다.

옥스퍼드 대학교 NDORMS 행성 건강 정보학 그룹의 사라 칼리드 부교수가 이끄는 연구팀은 라호르 경영과학 대학교와 협력하여 이 문제를 해결하고 환경 기반 머신 러닝 접근 방식이 말라리아에 대한 장소별 조기 경보 도구를 제공할 수 있는 잠재력을 제공할 수 있는지 조사하고자 했습니다.

그들은 파키스탄, 인도, 방글라데시에 걸친 남아시아 지역의 말라리아 발생률을 예측하기 위해 온도, 강우량, 식생 측정, 야간 조명 데이터 등의 환경 지표를 동시에 분석하는 다변량 LSTM(M-LSTM) 모델을 개발했습니다.

이 데이터는 미국 국제개발처의 인구 및 건강 조사 데이터세트에서 얻은 2000년~2017년 사이의 각 국가의 지구 수준 말라리아 발생률과 비교되었습니다.

The Lancet Planetary Health 에 게재된 결과에 따르면, 제안된 M-LSTM 모델은 파키스탄, 인도, 방글라데시에서 각각 94.5%, 99.7%, 99.8% 더 낮은 오차를 보이며 기존 LSTM 모델보다 지속적으로 우수한 성능을 보였습니다.

전반적으로 모델의 복잡성이 증가함에 따라 정확도는 높아지고 오류는 감소하여 이 접근 방식의 효과성이 강조되었습니다.

Sarah는 이렇게 설명했습니다. "이 접근법은 일반화될 수 있기 때문에 저희 모델링은 공중 보건 정책에 중요한 의미를 갖습니다. 예를 들어, 다른 전염병에도 적용할 수 있고, 아프리카 WHO 지역에서 말라리아 이환율과 사망률이 불균형적으로 높은 다른 고위험 지역으로 확장 적용할 수도 있습니다. 이는 의사 결정권자들이 말라리아 발병을 조기에 정확하게 관리하기 위한 보다 적극적인 조치를 시행하는 데 도움이 될 수 있습니다.

"진정한 매력은 지구 관측, 딥러닝, AI의 급속한 발전, 그리고 고성능 컴퓨터의 활용 덕분에 지구상 거의 모든 곳을 분석할 수 있다는 것입니다. 이를 통해 말라리아를 박멸하고 전 세계 공중 보건 성과를 개선하기 위한 지속적인 노력에 더욱 집중적인 개입과 자원 배분이 가능해질 것입니다."