실시간 AI 기반 식중독 감시, FINDER가 식당 검사를 혁신한다

초록

구글 검색·위치 로그를 익명·집계 형태로 활용한 머신러닝 모델 FINDER는 식중독 증상 검색과 연계된 식당 방문 비율을 실시간으로 계산한다. 라스베이거스와 시카고에서 적용한 결과, FINDER가 제시한 식당은 기존 검사·불만 기반 선정 식당보다 3배 이상 위험도가 높게 나타났으며, 심각 위반 건수도 유의하게 많았다. 또한 38%의 경우 마지막 방문 식당이 아닌 이전 방문 식당이 원인으로 밝혀져, 전통적인 고객 불만 신고의 한계를 보완한다는 점을 입증했다.

상세 분석

본 논문은 기존 공중보건 감시 체계가 환자·의료기관 보고에 의존해 발생 시점과 원인 파악이 지연되는 문제점을 해결하고자, 대규모 디지털 흔적을 활용한 ‘머신러닝 역학(Machine‑learned epidemiology)’ 접근법을 제시한다. 핵심은 두 단계 모델링이다. 첫 번째 단계는 식중독 관련 검색어를 고정밀로 식별하기 위한 감독학습 분류기이며, 검색어 자체뿐 아니라 검색 결과 클릭, 열람 페이지 내용 등 부가 신호를 피처로 사용한다. 평가 결과 ROC‑AUC 0.85, F1 0.74라는 높은 성능을 보였으며, 이는 의료 전문가와 비전문가의 라벨링을 통해 검증되었다. 두 번째 단계에서는 해당 검색을 수행한 사용자의 익명화된 위치 히스토리를 역추적해, 최근 방문한 식당 목록과 검색 시점을 연결한다. 각 식당에 대해 “방문 후 일정 기간 내에 식중독 검색을 한 사용자 비율”을 산출하고, 이를 위험 점수로 변환한다.

데이터는 구글 검색·위치 로그 중 사용자가 위치 공유에 동의한 집계 데이터만을 사용했으며, 개인 식별이 불가능하도록 설계돼 프라이버시 보호가 보장된다. 모델은 실시간 스트리밍 파이프라인으로 구현돼, 매일 각 관할 구역에 위험도가 높은 식당 리스트를 제공한다.

실증 검증은 라스베이거스(5,038건 검사, FINDER 61건)와 시카고(5,880건 검사, FINDER 71건)에서 진행되었다. FINDER가 제시한 식당 중 52.3%가 ‘불안전’(심각 위반)으로 판정됐으며, 이는 전체 비FINDER 검사(24.7%)에 비해 3.06배 높은 오즈비를 나타냈다(95% CI 2.14‑4.35, p<0.001). 위험 수준별로도 저위험 식당에서 특히 높은 오즈비(저위험 7.35배)를 보이며, 기존 위험 등급이 실제 위험을 충분히 반영하지 못함을 시사한다.

불만 기반 검사와 비교했을 때도 FINDER는 1.68배(95% CI 1.04‑2.71, p=0.03) 높은 위험 식당을 식별했으며, 절차적 차이로 인해 불만 데이터가 부족한 라스베이거스에서는 비교 자체가 어려웠다. 일상적인 정기 검사는 22.7%만이 위험 식당으로 판정됐으나, FINDER는 52.3%를 위험 식당으로 밝혀 3.16배 높은 오즈비를 기록했다.

위반 종류별 분석에서는 FINDER 식당이 평균 0.40개의 중대한 위반(critical)과 0.74개의 주요 위반(major)을 보였으며, 이는 베이스라인 식당(각각 0.21, 0.56)보다 통계적으로 유의미하게 많았다(p=0.001, p=0.04).

또한, FINDER는 개별 고객 불만이 마지막 방문 식당에만 초점을 맞추는 경향을 보완한다. 전체 연관된 방문 중 62%는 마지막 방문 식당이었지만, 38%는 그 이전 식당이 원인으로 추정돼, 기존 불만 기반 시스템이 잘못된 식당을 표적으로 삼을 가능성을 드러냈다.

한계점으로는 검색·위치 데이터가 스마트폰 사용에 의존하므로, 고령층·저소득층 등 디지털 격차가 있는 집단의 데이터가 부족할 수 있다. 또한, 검색 의도와 실제 증상 사이에 시간 지연(잠복기)과 개인별 차이가 존재해, 실시간성은 일정 수준의 지연을 감수해야 한다. 모델은 특정 지역·문화에 맞는 검색어 사전이 필요하며, 해외 적용 시 현지화 작업이 요구된다.

전반적으로 본 연구는 대규모 디지털 흔적을 활용한 실시간 감시가 전통적인 역학 조사와 보건 검사의 효율성을 크게 향상시킬 수 있음을 실증적으로 보여준다. 향후 다양한 질병군(예: 독감, 코로나) 및 국제 보건 네트워크와 연계한다면, 전염병 초기 탐지와 대응에 혁신적인 변화를 가져올 것으로 기대된다.