구글 리서치, 지리공간 AI 공중보건 사례 공개

구글 리서치가 6일 구글 어스 AI의 인구 동태 파운데이션 모델(PDFM)을 공중보건 현장에 적용한 사례 5건의 결과를 공개했다. 홍역 백신 접종률, 심혈관질환 사망, 뎅기열, 산후우울증, 콜레라 등 다섯 과제에서 이 모델이 만든 위치 임베딩을 기존 역학 모델에 꽂아 넣자 성능이 같거나 나아졌다는 내용이다. 평가는 마운트사이나이 보건 시스템과 보스턴 아동병원, 뉴욕대 그로스먼 의대, 옥스퍼드대와 몬테레이공대, 워싱턴대, 세계보건기구 아프리카 지역사무소(WHO AFRO)가 각자 맡았다. 미국과 캐나다, 멕시코, 콩고민주공화국 네 나라가 무대다.

PDFM은 지역마다 하나씩 붙는 숫자 묶음, 이른바 장소의 지문을 만든다. 익명으로 모은 검색 추세, 약국과 병원과 공원이 얼마나 붐비는지 같은 이동과 건조 환경 정보, 고해상도 날씨와 대기질 지표를 자기지도 학습으로 압축한 결과다. 지문은 매달 새로 고쳐진다. 연구진은 이 임베딩을 과제별 미세조정 없이 고정된 입력값으로만 썼다. 역학자들이 이미 쓰는 통계·머신러닝 모델은 그대로 두고 입력 변수만 하나 더 얹은 셈이다.

국경을 넘는 효과가 가장 먼저 드러났다. 캐나다 국경에서 150킬로미터 안에 있는 미국 146개 카운티는 국내 자료만 쓰는 모델로는 백신 접종률을 맞히기 어려웠다. 마운트사이나이와 보스턴 아동병원 연구진은 미국 카운티 임베딩에 캐나다 우편구역 임베딩을 더해 국경 너머의 이동과 정보 흐름을 반영했다. 그러자 홍역·볼거리·풍진(MMR) 접종률 변동을 설명하는 비율이 16%에서 22%로 36% 늘었고, 국경 주민 470만 명의 접종률 추정치가 최소 3%포인트 바뀌었다. 논문에 따르면 이 국경 지대 카운티에는 약 1860만 명이 살고, 미국 유치원생 MMR 접종률은 92.7%까지 떨어졌다.

심혈관질환 분석은 통계 공백을 겨냥했다. 미국에서 심혈관질환으로 한 해 91만6000명 넘게 숨지지만, 카운티 단위 공식 사망 통계는 1~2년, 인구조사 기반 공변량은 2~3년 늦게 나온다. 뉴욕대 그로스먼 의대 연구진은 미국 본토 3091개 카운티에서 2023년 사망자 수를 PDFM으로 추정했다. 카운티당 평균 오차는 18.7명으로 미국 지역사회조사(ACS) 자료를 쓴 모델의 19.1명과 통계적으로 차이가 없었고, 큰 오차를 키우는 지표(RMSE)는 57.7에서 46.0으로 20% 줄었다. ACS가 5년치 조사를 묶어 최대 1년 뒤에 나오는 반면 이번에 쓴 임베딩은 한 달치 자료로 만들었다. PDFM은 17개국에서 쓸 수 있다.

감염병 예측은 구글의 시계열 파운데이션 모델 TimesFM 2.0과 짝을 이뤘다. 옥스퍼드대와 몬테레이공대 연구진은 2020~2025년 멕시코 약 2450개 기초자치단체의 뎅기열 환자 수를 예측했다. 한 달 앞 예측에서 효과가 가장 컸고, 전파가 활발한 지역의 최대 72%에서 정확도가 올랐다. 오차가 줄어든 총량은 늘어난 총량의 3.4배였다.

콜레라는 드물어서 어렵다. 콩고민주공화국 403개 보건구역 가운데 한 주에 발병이 시작되는 곳은 100곳 중 1곳도 안 된다. 연구진은 인터넷 연결이 약한 지역에 맞춘 경량판 PDFM을 89주 치 감시 자료에 붙였다. 1~2주 앞 예측에서는 최근 환자 수가 대부분을 설명해 이득이 없었다. 백신과 깨끗한 물을 미리 옮길 시간이 남는 8주 앞 예측에서는 위험도 상위 5곳 가운데 실제 발병한 곳이 주당 1.78곳에서 2.10곳으로 18% 늘었다. 절반 넘는 주에 콜레라가 보고된 상습 발생 15개 구역에서는 이 정밀도가 0.3333에서 0.3975로 19% 올랐다.

개인 단위 예측에서는 쓰임새와 경계가 함께 나왔다. 워싱턴대 연구진은 미국 질병통제예방센터(CDC)의 임산부 위험 모니터링 조사(PRAMS) 응답자 33만2970명으로 산후우울증 위험을 예측했다. 임베딩을 더하자 예측력(AUC)이 학습에 쓴 주에서 0.0020, 처음 보는 주에서 0.0038 올랐고, 지역 빈곤 수준을 결정계수 0.45로 담아냈다. 소득과 보험 기록이 지닌 예측 신호의 약 15%를 대신하는 수준이다. 위험 상위 20%를 추적하는 모의 실험에서는 산후우울증을 겪는 농촌 산모를 해마다 5640명 더 찾았고, 전체 환자의 80%를 잡는 설정에서는 오경보가 연 1만7723건 줄었다. 논문은 이 신호가 개인의 사회경제 자료를 대체하거나 인구 집단 사이의 선별 격차를 좁히지는 못한다고 적었다.

구글은 같은 날 현장 적용 사례도 내놓았다. 시라비아 셰티 구글 리서치 수석 소프트웨어 엔지니어와 모니카 바렐 구글 헬스 임상 전문가는 블로그에서 "지역사회의 건강은 그 지리와 깊이 연결돼 있다"고 밝혔다. 이들에 따르면 콩고민주공화국에서 진행 중인 에볼라 유행 대응에서 WHO AFRO 팀은 연구용 지리공간 추론 에이전트로 광산 지대를 지도화해 노출된 정착지 48곳과 위험 인구 4만5500명 이상을 몇 분 만에 찾았다. 평소라면 몇 주가 걸리던 작업이고, 현장은 이동식 검사실 배치와 국경 감시에 이 결과를 썼다. 구글닷오알지는 콩고 국립생의학연구소(INRB)의 검사·감시 체계 현대화에 자금을 지원했다.

메탈이 확인한 41쪽 분량의 논문은 38명의 저자가 이름을 올렸고, 그림 7개와 표 12개를 담았다. 블로그를 쓴 아르바즈 무슬림과 가우탐 프라사드 구글 리서치 소프트웨어 엔지니어는 "지리공간 파운데이션 모델은 사후 대응형의 국지적 모델링에서 행성 규모의 선제적이고 시의성 있는 보건 정보로 옮겨 가게 해 준다"고 주장했다. 연구진은 지금의 임베딩이 특정 시점의 정지 화면이라는 점을 들어 시간에 따라 변하는 임베딩과 연결이 약한 지역으로의 지리적 전이 학습을 연구하고 있다고 밝혔다.

상용화 경로도 열려 있다. PDFM 임베딩은 구글 지도 플랫폼의 지리공간 임베딩 데이터셋 「인구 동태 인사이트」로 프리뷰 판매 중이고, 학계와 공중보건 연구자는 비운영 연구 목적에 한해 무료 이용을 신청할 수 있다. 메탈은 구글 리서치의 AI 모델이 미국 CDC 독감 예측 평가에서 1위에 오른 소식을 보도한 바 있다. 독감에 이어 이번 사례들은 구글이 감염병 예측 모델과 장소 임베딩을 묶어 공공 보건 데이터의 공급자 자리를 넓히고 있음을 보여 준다.

이번 발표의 무게는 새 모델보다 쓰는 방식에 있다. 다섯 사례 모두 기존 모델을 갈아엎지 않고 입력 하나를 더했을 뿐인데, 통계가 늦거나 국경에서 끊기거나 아예 없는 곳에서 효과가 컸다. 반대로 개인 단위 선별에서는 장소 정보가 개인 정보를 대신하지 못한다는 선도 함께 그어졌다. 보건 당국이 이 지문을 받아 쓸지는 결국 자기 지역 자료와 붙였을 때 얼마나 일찍, 얼마나 정확하게 경보를 울리느냐로 판가름 난다.