DeepGB TB 위험 균형 교차 주의력 기반 그래디언트 부스팅 컨볼루션 네트워크를 이용한 빠르고 해석 가능한 결핵 스크리닝

초록

DeepGB‑TB는 기침 음성 신호와 인구통계학적 정보를 동시에 활용해 결핵 위험을 실시간으로 추정하는 모델이다. 경량 1D‑CNN과 LightGBM 기반 탭형 데이터 임베딩을 교차‑주의력(CM‑BCA)으로 결합하고, 거짓 음성을 크게 벌점하는 위험‑균형 손실(TRBL)을 도입해 민감도를 높였다. 7개국 1,105명 데이터를 대상으로 AUROC 0.903, F1 0.851을 달성했으며, 모바일 디바이스에서도 실시간 추론이 가능하도록 설계되었다.

상세 분석

본 논문은 결핵 스크리닝을 위한 멀티모달 딥러닝 프레임워크인 DeepGB‑TB를 제안한다. 핵심 구성요소는 세 가지이다. 첫째, 인구통계학적 변수와 라벨을 5‑fold 교차검증을 통해 LightGBM으로 학습하고, 얻어진 out‑of‑sample 확률을 원본 피처에 추가하는 Cross‑Validated Probability Embedding Module(CVPEM)이다. 이는 전통적인 탭형 모델의 강점인 과적합 방지를 유지하면서, 확률 임베딩을 통해 다른 모달과의 결합에 유용한 고차원 표현을 제공한다. 둘째, 기침 음성을 전처리한 뒤 MFCC, 스펙트럼 중심, 크로마 등 다양한 오디오 특징을 추출하고, 3개의 1D‑CNN 블록으로 시계열 패턴을 학습한다. 셋째, 두 모달을 연결하는 Cross‑Modal Bidirectional Cross‑Attention(CM‑BCA)이다. CM‑BCA는 Multi‑Head Attention과 Feed‑Forward, LayerNorm을 순환적으로 적용해 오디오와 탭형 임베딩이 서로를 질의(query)하고 키(key), 밸류(value)로 활용함으로써, 각 모달이 상대 모달의 중요한 부분에 집중하도록 만든다. 이 과정은 양방향으로 진행되며, 수렴 기준(ℓ2 차이 < ε)까지 반복된다.

위의 구조 위에 Tuberculosis Risk‑Balanced Loss(TRBL)를 적용한다. TRBL은 표준 교차 엔트로피에 가중치를 부여해 거짓 음성(FN)에 대한 페널티를 증폭시킨다. 구체적으로, 라벨이 1인 경우 가중치 α>1을, 0인 경우 1을 곱해 손실을 재조정한다. 이는 임상 현장에서 놓치는 결핵 환자의 위험을 최소화하려는 목적과 일치한다.

실험에서는 7개국에서 수집된 1,105명의 데이터를 70/15/15 비율로 학습/검증/테스트 셋으로 분할하였다. 모델은 AUROC 0.903, 민감도 0.89, 특이도 0.84, F1 0.851을 기록했으며, 기존 1D‑CNN, ResNet‑based 오디오 모델, Late‑Fusion CNN‑LightGBM 대비 3~5%p 향상을 보였다. 또한, 경량 설계 덕분에 모바일 CPU(ARM Cortex‑A53)에서 32 ms 이하의 추론 시간을 달성, 오프라인 사용이 가능함을 입증했다.

해석 가능성 측면에서는 LightGBM의 SHAP 값과 CM‑BCA의 어텐션 맵을 시각화해, 연령·흡연력·체중 감소와 같은 인구통계학적 위험 요인이 특정 오디오 특징(예: 높은 주파수 성분)과 어떻게 상호작용하는지를 보여준다. 이는 현장 보건인력에게 모델의 판단 근거를 직관적으로 전달해 신뢰성을 높인다.

한계점으로는 데이터가 주로 성인 환자에 국한돼 있어 소아·청소년에 대한 일반화가 미흡하고, 라벨링이 문화·보건 시스템에 따라 다를 수 있다는 점을 들었다. 또한, CM‑BCA의 반복 횟수가 증가하면 메모리 사용량이 급증하므로, 초저사양 디바이스에서는 하이퍼파라미터 튜닝이 필요하다. 향후 연구에서는 멀티스펙트럼(예: 초음파)와 결합한 멀티모달 확장을 모색하고, 프라이버시 보호를 위한 연합 학습(Federated Learning) 적용을 검토한다.