AI가 개인·맥락별로 언제·어떻게 개입할지에 대한 최적 정책 학습
스탠포드·하버드·미시간대 연구진, “건강 관련 후회 수 26%까지 ↓”
사용자가 제안 따를 가능성 있을 때 상황에 따라 걷기 활동 등 제안
사용자 당 치료 제공시간 지수화···사용자가 건강 권장 사항 선택
90일간 10명 핏빗 사용자 107개 데이터 점 기반한 활동 제안 시험
개인 사용자들의 유익성·위해성 어떻게 정량화 할지가 향후 과제
미국 대학 연구진이 스마트폰으로 개인별 맞춤형 건강 권장 사항을 전달하게 해 줄 인공지능(AI)을 개발해 제시했다.
5일(현지시간) 벤처비트에 따르면 스탠포드·하버드·미시간대 연구원들은 인텔리전트 풀링(Intellignet Pooling)이라는 자신들의 AI 프레임워크를 이용해 개별화한 건강권장 사항을 스마트폰으로 보내 더 건강한 라이프스타일을 장려할 수 있게 됐다며 이의 활용을 제안했다.
이들은 개인의 활동 전후 맥락에 기반해 제안하는 이 개인화된 건강증진 권장 사항 시스템을 활용할 경우 개인의 건강 관련 선택에 대한 ‘후회’, 즉 사후판단에 따라 더 나은 선택 조치를 취한 수치를 26%까지 줄여준다고 주장했다.
모바일 건강 앱은 다양한 영역에서 건강에 (긍정적)영향을 미칠 수 있는 기회를 제공함으로써 건강한 행동을 지원하는 것을 목표로 한다. 예를 들어 건강 앱은 스마트기기 사용자가 제안을 따를 가능성이 있을 때 때때로 여러 상황(예: 날씨, 현재 신체 활동, 위치)에 따른 걷기 제안을 보낼 수 있다. 물론 건강 앱의 유효성은 AI의 권고를 끊어버리게 만들 수도 있는 과잉처치를 피하면서 유용한 시간에 권고사항을 제공하는 데 있다.
연구진의 AI 시스템인 인텔리전트 풀링은 개인별, 맥락별로 언제 어떻게 개입해야 하는지에 대한 최적의 정책을 배우는 것을 목표로 하고 있다.
이 시스템은 사용자 당 결정 시간(즉, 치료를 제공할 수 있는 시간)을 지수화하고 사용자가 하루의 코스에 따른 건강 권장 사항을 선택하도록 한다. 또한 시간 경과에 따른 사용자별 맞춤 처치(치료) 개발 정책에 따라 사용자들의 단말기에서 모아진(pooling) 데이터를 알고리즘에 맞춰 학습한다.
연구원들은 1단계 고혈압 개입을 최적화하기 위한 더 큰 실험의 일환으로 핏빗 버사 스마트워치를 착용한 10명의 피실험자를 대상으로 연구를 수행했다.
활동 제안은 90일 평가 기간 동안 각 참가자 핏빗의 위치·날씨·시간·요일 같은 센서 데이터에 따라 하루 5회 무작위로 이뤄졌다.
인텔리전트 풀링은 10명의 사용자들로부터 107개의 데이터 포인트를 기반으로 활동 제안을 할지 여부를 결정했다. 이 모델은 자율적으로 제안과 함께 알림을 보내거나 보내지 않을지를 결정할 수 있다.
연구원들은 전반적으로 기준에 비해 자료를 덜 빈번하게 보냈음에도 인텔리전트 풀링이 사용 가능한 치료의 ‘전체 범위’를 제안했다고 보고했다. 이들은 이 연구가 상대적으로 작은 규모였고, 인텔리전트풀링이 건강 결과를 개선했다고 주장할 수 없다며 더 큰 연구로 이어져야 할 것으로 봤다.
그러나 연구진은 이 시스템이 제한된 데이터만 설정된 환경 하에서 개인화된 정책을 학습할 때 직면하는 몇 가지 난제를 극복할 수 있다고 주장했다.
연구진은 “개인 데이터가 제한될 때 개인화(변동을 도입할 수 있는 선택)와 풀링(편견을 도입할 수 있는 선택) 사이에 자연스런 긴장이 존재한다”고 말했다. 이어 “우리는 적응형 풀링을 개인화와 풀링 사이의 균형 문제를 해결하기 위한 첫 단계로 본다. 개인 사용자들의 유익성과 위해성을 어떻게 정량화할 것인가 하는 문제가 향후 작업 과제로 남겨져 있다”고 밝혔다.
[관련기사] 디지털 뉴딜 추경으로 본격 추진...빅데이터ㆍAIㆍ클라우드 중심
[관련기사] 美 ‘국가 AI연구클라우드’ 추진···중국 AI패권 저지 목적
무단전재 및 재배포 금지
기사제보 및 보도자료 news@aitimes.com