의학, 공학 등 다양한 분야의 전문가들과의 협업을 통해 구축된 예측 모델에서 이용자가 입력한 데이터를 기반으로 위험도 예측이 이루어지게 됩니다.
이용자의 위치정보를 기반으로, 주변의 확진 판정자 분포 정보를 활용하여 인공지능이 위험률을 예측하게 되며, 나아가 이용자들 마다의 기저질환, 날짜 등의 개개인의 상황을 고려하여 인공지능 알고리즘이 위험률을 예측하게 됩니다.
특히, 개인이 입력한 데이터들 바탕으로, 인공지능이 그 정보 중에서 확진 위험률에 큰 영향을 미치는 중요 요인들을 분석하고 상대적 중요도를 예측하게 됩니다.
인공지능에는 다양한 모델이 있고, 적용하고자 하는 상황에 따라 각 모델의 장단점은 상이합니다.
연산시간이 오래 걸리더라도 예측률을 높여야 할 때가 있기도 하고, 때로는 빠른 연산을 통해 신속한 예측을 하는 것이 적합한 상항도 있습니다.
저희는 인공지능의 모델인 MLP(다층 퍼셉트론)에 2015년 인공지능 대회에서 우승을 차지한 ResNet을 적용하여 모델을 만들었습니다.
다층퍼셉트론은 입력층과 출력층 사이에 다수의 중간층으로 이루진 인공지능 신경망입니다.
네트워크는 입력층, 은닉층, 출력층 방향으로 연결되어 있고, 각 층내의 연결과 출력층에서 입력층으로 직접적 연결이 없습니다.
다층퍼셉트론의 성능 향상을 위해서 ResNet이라는 알고리즘을 적용했는데 ResNet은 깊은 망의 부작용을 방지하도록 고안된 알고리즘으로 코로나 위험도 예측 모델을 최적화 하도록 도와줍니다.
전세계에서 취합된 150만 건의 COVID19 환자에 대한 정보 탐색을 기반으로 국내 상황의 예측에 도움이 될 만한 데이터를 추출하였습니다.
그 중 2020년 상반기에 수집된 25만 명 이상의 환자 데이터를 기반으로 위치정보, 기저질환 등의 9가지 중요 요인을 선별하여 데이터를 완성하였습니다.
확진자 뿐만 아니라 의심 증상이 나타났지만 음성판정을 받은 감염의심 환자의 정보까지 취합하여 다양한 인사이트를 얻을 수 있도록 하였고, 나아가 지역의 크기나 인구밀도와 같은 사항도 고려할 수 있도록 하였습니다.
