소방관은
매번 위험한 상황에 뛰어들지만, 근무 중 사망 사건의 대다수는 화재나 연기 흡입으로 발생하지 않는다. 사망자의 약 40%가 갑작스러운 심장 질환으로 인해 사망한다.
이에, 국립표준기술원(NIST)와 연구진들은 소방관들의 비정상적인 심장
박동을 정확하게 예측하기 위해 머신러닝 AI 기술을 도입했다. AI 기술을
통해 소방관들의 심장 질환 초기 증상을 포착하고, 늦기 전에 의학적 치료를 받을 수 있도록 휴대용 심장
모니터를 연구 중이다.
NIST의 연구원 크리스 브라운은 “해가
거듭할수록 갑작스러운 심장 질환이 소방관 사망원인 1위로 떠오르고 있다”라고 밝혔다. 실제로 National
Fire Protection Association 조사에 따르면, 2022년에 근무 중인
36명의 소방관이 심장 질환으로 목숨을 잃었다. 주로 갑작스러운
심장 마비로 인해 심장 박동이 불규칙하게 나타나 혈액 공급이 중단될 때 발생한다.
위 문제를
해결하기 위해 NIST 연구원들과 Rochester 대학
간호사들은 소방관의 데이터 수집에 나섰다. 112명의 소방관을 대상으로 24시간의 심전도(electrocardiogram, ECG) 데이터를
측정했다. 그들은 탄탄한 데이터 확보가 문제 해결에 필수적이라고 강조했다.
연구원들은
확보된 데이터를 바탕으로 ‘Heart Health Monitoring (H2M) 모델’을 구축했다. 확보된 심전도 데이터의 큰 부분들을 12초로 분할하였고, 각각 개별의 심장박동 데이터들은 정상 작동과 비정상
작동 계열로 분류되었다.
H2M의 데이터 학습과 검증이 마치고 난 뒤, H2M 모델은 기존에 수집되지 않은 소방관 심전도 데이터를 분석했다. 그
결과 약 6,000개의 데이터 샘플을 분류하는데 97%의
정확도를 보여주었다. 이를 통해 NIST 연구원은 올바른
데이터 세트를 활용하는 것이 AI 모델을 훈련하는데 가장 중요했다고 덧붙였다.
“생명을 살리는 기술”이라고
불리는 H2M 모델의 활용 범위가 더욱 확대되어 더 많은
사회 분야의 사람들을 살리는데 기여하길 기대한다. NIST 연구원이 수집했던 ECG 데이터와 같이, 질 좋은 데이터 확보가 가능해진다면 머신러닝
AI은 무궁무진하게 변신할 수 있을 것이다.