▲ 과학자들은 2주 전에 코로나 확산을 예측해 정부 당국이 효과적인 봉쇄 조치를 시행하도록 돕는 모델을 개발했다.     출처= Health IT

[이코노믹리뷰=홍석윤 기자] 코로나로 인한 봉쇄 조치를 언제 더 강화하고 언제 더 느슨하게 할 지에 대한 판단이 오락가락 하면서 미국의 지역 경제는 결과로 판단할 수밖에 없는 세계에서 가장 불안한 추측 게임이 되었다.

이에 따라 각 주의 정책 입안자들은 본능적인 기준에 따르고 있다. 예를 들어 병원 수용 능력이70%에 도달한다거나, 코로나 확진자나 사망자 수의 증가 추이가 그런 것들이다.

그러나 플로리다, 캘리포니아, 텍사스 같은 주의 주지사들은 최근 며칠 동안, 그러한 벤치마크가 형편없는 경보 시스템에 불과하다는 것을 배웠다. 코로나바이러스가 일단 지역 주민에게 침투하면, 병원, 클리닉. 공무원들이 이를 알아차리기 2주 전에 이미 지역 사회 전체를 빠르게 돌아다닌 후이기 때문이다.

이제, 한 국제 과학자 팀이 2주 전에 발병을 예측해 정부 당국이 효과적인 봉쇄 조치를 시행하도록 돕는 모델을 개발했다.

하버드대학교의 마우리시오 산틸라나와 니콜 코건 교수팀은 이달 초, 논문 등록 사이트 아카이브사이트(arXiv.org)에 게재한 논문에서, 확진자 발생 건수가 증가하기 14일 전에 위험을 예고할 수 있는 알고리즘을 제시했다. 이 시스템은 트위터, 구글 검색, 스마트폰의 모빌리티 데이터 등을 실시간으로 모니터링한다.

연구자들은 이 알고리즘이 냉난방 시스템의 온도 조절기처럼, 공중보건 개입의 강화 또는 완화를 유도하는 기능, 즉 보다 유연하고 안전한 경제 재개 결정에 기여할 수 있다고 쓰고 있다.

보스턴 아동 병원의 기계지능연구소 소장이자 하버드의대 소아과 및 역학 교수인 산틸라나 박사는 "대부분의 전염병 모델링에서, 사람들은 이전에 만들어진 가정을 바탕으로 여러가지 시나리오를 세우지만, 우리는 일체의 추정 없이 오직 관찰에 의거하고 있다”고 설명했다.

“기존의 방법과 차이점은, 우리의 방법이 즉각적인 행동 변화에 반응하고 그것들을 바로 통합할 수 있다는 것입니다."

이 새로운 분석을 본 외부 전문가들은, 기존 모델을 개선하는 데 있어 소셜 미디어와 같은 실시간 데이터의 가치가 높아지고 있음이 입증되었다고 지적했다.

텍사스 대학교의 생물학자 겸 통계학자인 로렌 안셀 마이어스는 "이 연구는 소셜 미디어 같은 차세대 데이터 소스가 코로나 19 확산의 초기 신호를 제공할 수 있다는 것을 보여준다"고 말했다.

"특히, 코로나 19처럼 검사 결과 확인이 지연됨에 따라 확진자 수 통계가 늦어지는 경우 매우 유용한 방법입니다.”

이 새로운 논문에서 연구팀은 구글 외에도, 위치 정보가 포함된 해당 트위터 게시물, 업투데이트(UpToDate)라는 의사 전용 플랫폼에서 의사들이 검색한 내용, 수많은 스마트폰 사용자들로부터 나온 익명의 모바일 데이터, 그리고 앱과 연동되는 킨사 스마트 온도계(Kinsa Smart Thermometer)의 판독치 등 네 가지 출처의 실시간 데이터를 추가로 분석했다. 그리고 사람들이 커뮤니티에서 어떻게 움직이고 상호작용하는지를 토대로, 노스이스턴 대학교(Northeastern University)에서 개발한 정교한 예측 모델을 사용해 이 데이터 스트림을 통합했다.

연구팀은 이 예측치를 각 주에서 3월과 4월에 걸쳐 실제 발생한 확진자와 사망자 수와 대조해 봄으로써 데이터 스트림 추세의 예측 정확도를 테스트했다. 예를 들어, 뉴욕에서 코로나 관련 트위터 게시물은 3월 중순에 감염자 수가 폭발적으로 증가하기 1주일도 더 전에 시작되었다. 구글 검색과 킨사 측정치도 실제 감염자 수가 나타나기 며칠 전부터 급증했다.

연구팀은 모든 데이터 출처에서 나온 데이터를 결합해, 그것이 다음에 실제로 나타난 확진자의 증가와 얼마나 강하게 연관되어 있는지에 따라 각각의 데이터 출처에 가중치를 부여했다. 연구진은 이렇게 ‘통합 조화된’ 알고리즘이 평균 21일 전에 발병을 예상했다고 밝혔다.

산틸라나 박사는 "전염병이 지속적으로 변화하고 있다는 점을 감안한다 해도, 적어도 1주일 이전에 확산을 사전 경고할 수 있을 것으로 기대한다"고 말했다. 이 연구의 공동 저자에는 노스이스턴 대학교뿐만 아니라 메릴랜드대학교, 스탠포드대학교, 잘츠부르크대학교의 과학자들이 포함되었다.

"우리는 이 데이터가 기존의 감시 체제를 대체하는 것이 아니라 그것을 보완 확인하는 수단으로 보고 있습니다. 당국의 의사 결정권자들이 '단 한 주라도 더 기다리지 않고 즉각 행동할 수 있게 하는 일종의 정보’라고 말할 수 있지요. 적어도 현 시점에서 우리가 볼 수 있는 최상의 테이터 스트림이라고 생각합니다. 아마존이나 넷플릭스의 데이터를 활용한다면 더 좋은 데이터를 얻을 수 있을 것입니다.”