구글, WHO와 '어스 AI'로 전염병 확산 예측…고위험군 4만 5,500명 분 단위로 포착

외딴 광산 지역에서 번지는 치명적인 바이러스를 추적하려면 공중보건 요원들이 종이 서류를 들고 몇 주 동안 험지를 누벼야 했습니다. 의료 인프라가 잘 갖춰진 선진국조차 공식 사망률 통계는 실제보다 1년에서 3년씩 늦게 나오는 것이 현실입니다.

Google은 산하 Google Earth AI를 글로벌 공중보건 현장에 본격 적용한 연구 성과를 공개했습니다. 위성 영상과 기상 정보는 물론 프라이버시가 보호된 검색 트렌드와 유동 인구 데이터를 파운데이션 모델에 결합해, 질병 대응의 패러다임을 사후 수습에서 사전 예측으로 바꾸겠다는 구상입니다.

몇 분 만에 고위험군 4만 5천 명 찾아내

이번 기술의 가장 결정적인 실전 활약은 현재 에볼라 바이러스가 확산 중인 콩고민주공화국(DRC) 현장에서 나왔습니다.

세계보건기구 아프리카 지역사무소(WHO AFRO)와 콩고민주공화국 국립생명의학연구소(INRB) 연구진은 Google의 지리공간 추론 에이전트 프로토타입을 테스트했습니다. 담당자는 복잡한 지리정보시스템 코딩을 할 필요 없이 일상적인 자연어로 AI와 대화하며 데이터를 분석했습니다.

사람들의 이동이 잦고 감염 위험이 큰 원격 광산 통로를 분석하자, 에이전트는 단 몇 분 만에 바이러스에 노출된 48개 정착촌과 4만 5500명 이상의 고위험 인구를 찾아냈습니다. 통상 수주일이 걸리던 수작업 조사를 순식간에 끝낸 것입니다. 확보한 시간 덕분에 현장 대응팀은 이동식 검사 실험실을 선제 배치하고 국경 감시망을 조기에 가동할 수 있었습니다.

다른 질병 예측에서도 성과가 이어졌습니다. 콩고민주공화국 내 콜레라 발생 예측에서는 취약 보건 구역을 최대 8주 앞서 파악해 냈습니다. 멕시코에서는 옥스퍼드대 연구진 등이 현지 기후 모델과 결합해 뎅기열 유행을 미리 예측하고 장구벌레 방제 작업을 한발 앞서 진행하고 있습니다.

인구 이동과 검색어를 '공간 지문'으로 압축

이러한 예측 능력의 바탕에는 Google Earth AI의 인구 동태 파운데이션 모델(PDFM)이 있습니다.

기존 역학 조사는 데이터의 긴 지연 시간과 경직된 국경선이라는 두 가지 벽에 부딪혀 왔습니다. 미국에서는 심혈관 질환으로 매년 91만 6000명 이상이 목숨을 잃지만, 공식 카운티 사망 통계는 1~2년, 인구조사 공변량은 2~3년씩 뒤처집니다. 뉴욕대 그로스만 의과대학 연구진이 PDFM을 기존 인구조사 변수 대신 대입해 본 결과, 별도의 파인튜닝 없이도 당해 연도 심혈관 질환 사망률을 기존 통계 기법과 대등하거나 더 뛰어난 수준으로 예측했습니다.

마운트 시나이 헬스 시스템과 보스턴 아동병원은 미국과 캐나다 국경 150km 이내 146개 카운티의 홍역·유행성이하선염·풍진(MMR) 백신 접종률을 분석했습니다. 국내 데이터만으로는 한계가 있었지만, 국경을 넘나드는 행동 패턴과 유동 인구 임베딩을 추가하자 모델의 접종률 설명력이 16%에서 22%로 36% 급증했고 국경 주민 470만 명의 접종률 추정치를 정밀하게 보정할 수 있었습니다.

Google은 매월 갱신되는 이 임베딩 데이터를 Google Maps Platform에서 'Population Dynamics Insights'라는 이름의 상용 프리뷰로 공개했으며, 자격을 갖춘 연구 기관에는 무상 이용 혜택을 제공하고 있습니다.

왜 중요한가

빅데이터를 공중보건에 활용하겠다는 구상은 오래전부터 있었지만, 이번 Google의 접근법은 두 가지 측면에서 현명하다고 판단합니다.

첫째는 도구의 극단적인 단순화입니다. 예산과 인력이 부족한 제3세계 방역 현장에서 복잡한 공간 머신러닝 파이프라인을 직접 구축하기란 불가능에 가깝습니다. 현장 의료진이 태블릿에서 자연어로 질문해 몇 분 만에 대응 지도를 얻고, 기존 통계 모델에 플러그앤플레이 형태로 임베딩을 꽂아 넣을 수 있게 만든 점은 현장 도입 장벽을 크게 낮췄습니다.

둘째는 행정 국경선이 만들어낸 데이터 맹점을 허물었다는 점입니다. 바이러스는 여권을 검사하지 않지만 각국의 보건 데이터는 국경에 갇혀 있었습니다. 익명화된 거시 이동 흐름을 국가 간 경계 없이 결합해 냄으로써 국경 지역의 방역 취약 지점을 선제적으로 드러낼 수 있게 되었습니다.

물론 한계도 명확합니다. 스마트폰 보급률이 현저히 떨어지거나 인터넷 접속이 불가능한 최빈곤 소외 지역에서는 검색이나 위치 신호 자체가 잡히지 않아 데이터 편향이 발생할 수 있습니다. 상용화된 유동 인구 데이터를 다루는 과정에서 불거질 수 있는 프라이버시 감시 논란도 여전히 해결해야 할 과제입니다.

그럼에도 콜레라 유행을 8주 앞서 경고하고 수주일이 걸리던 접촉자 추적을 5분 만에 끝낼 수 있다는 점에서, 공중보건 기관들이 지금 당장 도입을 검토해 볼 만한 실질적 가치를 증명해 보였습니다.