[녹색경제신문 = 이지웅 기자] 이재길 카이스트 전산학부 교수 연구팀이 다양한 착용 기기 센서 데이터에서 사용자 상태 변화를 정확하게 검출하는 새로운 인공지능 기술을 개발했다.

일반적인 헬스케어 앱에서는 센서 데이터를 통해 사용자의 상태 변화를 탐지하여 현재 동작을 정확히 인식해야 한다. 관련 기술을 ‘변화점 탐지’라고 일컫는다. 기존 변화점 탐지 기술은 갑작스럽게 운동 상태가 변하는 상황에서는 정상적으로 작동 됐으나, 천천히 속도를 높이는 경우에서는 측정 정확도가 떨어졌었다. 

이 교수 연구팀은 각 시점의 센서 데이터를 인공지능 기술을 통해 벡터로 표현하였을 때, 이러한 벡터가 시간이 지남에 따라 이동하는 방향을 주목하였다. 같은 동작이 유지될 때는 벡터가 이동하는 방향이 급변하는 경향이 크고, 동작이 바뀔 때는 벡터가 직선상으로 이동하는 경향이 크게 나타났다.

연구팀은 이를 ‘리커브’ 방법론으로 명명했다. 리커브는 양궁 경기에 쓰이는 활의 한 종류다. 활이 휘어 있는 모습이 표현 벡터 궤적의 곡률로써 변화점을 탐지하는 본 방법론의 동작 방식을 잘 나타낸다고 판단해 이 같은 이름을 붙였다.

연구팀은 변화점 탐지 문제에서 다양한 헬스케어 센서 스트림 데이터를 사용하여 방법론의 우수성을 검증했다. 전체 변화점을 급진적인 것과 점진적인 것으로 구분했때, 제안하는 방법론은 기존 방법론에 비해 성능 향상을 가져왔다. 특히 점진적인 변화에서의 성능 향상이 급진적인 변화에서의 성능 향상보다 더 크게 나타났다. 

종합적으로 헬스케어 센서 스트림 데이터의 변화점을 탐지했을때, 제안한 방법론은 기존 최상 방법론에 비해 최대 12.7% 정확도 향상을 달성했다.

이 교수는 “(리커브는) 센서 스트림 데이터 변화점 탐지 분야의 새로운 지평을 열 만한 획기적인 방법”이라먀 “실용화 및 기술 이전이 이뤄지면 실시간 데이터 분석 연구 및 디지털 헬스케어 산업에 큰 파급효과를 낼 수 있을 것”이라 전했다.