엔비디아와 연구진, 4년 뒤 혈당 수치 예측하는 AI '글루포머' 개발

달콤한 과자를 먹기 전, 이 음식이 내 혈당을 얼마나 치솟게 할지 궁금해한 적이 있다면 이제 생성형 AI가 그 답을 내놓을 수 있습니다.

엔비디아(NVIDIA)와 이스라엘 바이츠만 과학 연구소, 스타트업 페노AI(Pheno.AI) 공동 연구진은 연속혈당측정기(CGM) 데이터를 기반으로 향후 혈당 수치와 대사 건강 지표를 최장 4년 앞서 예측하는 AI 모델 '글루포머(GluFormer)'를 공개했습니다.

혈당 데이터를 텍스트처럼 읽는 트랜스포머

글루포머는 오픈AI의 GPT와 동일한 트랜스포머 아키텍처를 기반으로 설계되었습니다. 단어의 맥락을 읽어 다음 단어를 생성하듯, 혈당의 연속적인 흐름을 파악해 다음 생체 반응을 추론하는 방식입니다.

엔비디아의 AI 연구 총괄 디렉터 갈 체칙은 의료 데이터, 특히 연속혈당측정 데이터를 생애 전반의 생물학적 과정을 추적하는 진단 검사의 시퀀스로 볼 수 있다고 설명했습니다. 긴 텍스트 처리를 위해 개발된 트랜스포머 구조가 의료 검사 시퀀스를 학습하면서 측정값이 시간에 따라 어떻게 변하는지 파악하게 된 셈입니다.

연구진은 페노AI의 '인간 표현형 프로젝트(Human Phenotype Project)'를 통해 수집된 비당뇨 참가자 1만 명 이상의 14일 치 혈당 데이터를 활용했습니다. 기기를 통해 15분마다 측정된 방대한 데이터는 엔비디아 텐서 코어 GPU 클러스터에서 학습되었습니다.

여기에 식단 섭취 데이터를 함께 입력하면 특정 음식을 먹었을 때 혈당이 어떻게 반응할지 정확히 예측할 수 있어 개인 맞춤형 정밀 영양 관리까지 가능해집니다.

혈당을 넘어 내장지방과 수면무호흡증까지 예측

특히 주목할 점은 뛰어난 일반화 성능입니다. 비당뇨인의 데이터로만 사전 학습되었음에도 15개의 독립 데이터셋 검증을 거친 결과 당뇨 전단계, 1형 및 2형 당뇨, 임신성 당뇨, 비만군에서도 우수한 예측력을 보였습니다.

혈당 곡선만 맞히는 데 그치지 않습니다. 논문 제1저자인 기 럿스커 연구원은 글루포머가 간과 췌장 주변에 쌓이는 내장지방량, 당뇨 위험과 직결되는 수축기 혈압, 그리고 2형 당뇨와 밀접한 수면무호흡 저호흡 지수(AHI)까지 정확하게 추정해냈다고 밝혔습니다.

하버드 헬스 퍼블리싱과 NYU 랑곤 헬스는 CGM 데이터가 당뇨 전단계 조기 진단에 큰 도움이 된다고 강조해 왔습니다. 글루포머는 이러한 시계열 생체 데이터를 바탕으로 단순 모니터링을 넘어 4년 후의 임상적 결과까지 내다보는 예측 엔진을 완성했습니다.

왜 중요한가

당뇨병은 현재 전 세계 성인의 약 10%에 영향을 미치고 있으며, 2050년에는 환자 수가 13억 명 이상으로 두 배 증가할 전망입니다. 2030년까지 당뇨병으로 인한 전 세계 경제적 비용만 2조 5천억 달러에 이를 것으로 추산됩니다. 웨어러블 기기를 2주간 착용하는 것만으로 식단에 따른 혈당 급증을 막고 4년 뒤 대사 질환 위험까지 미리 확인할 수 있다면 만성질환 예방의 진입장벽이 크게 낮아집니다.

산업적 측면에서는 생성형 AI의 무대가 텍스트와 이미지를 넘어 '생체 시계열 데이터'로 본격 이동하고 있음을 보여줍니다. 기존 스마트워치나 패치형 센서가 단순히 과거 수치를 기록하고 알람을 울리는 수준에 머물렀다면, 앞으로는 장기 예측 알고리즘이 결합해 개인 맞춤형 예방 의료 기기로 진화할 가능성이 큽니다.

저희가 보기에 복잡한 유전체 분석이나 방대한 전자의무기록(EMR) 대신 일상에서 쉽게 얻을 수 있는 15분 단위 연속 혈당 데이터를 기초 자산으로 삼은 전략은 매우 똑똑했습니다. 다만 4년 뒤를 내다보는 장기 예측은 어디까지나 통계적 상관관계에 기반하므로, 향후 생활 습관의 변화나 돌발 변수를 완벽히 반영하기는 어렵습니다. 소비자가 이를 맹신해 불필요한 불안에 빠지지 않도록 의료 현장에서의 정교한 가이드라인이 필요하겠지만, GPT의 메커니즘을 인체 대사 신호에 성공적으로 안착시켰다는 점만으로도 시도해 볼 가치가 충분합니다.