합성 및 유전 데이터 기반 전염병 예측 향상

본 논문은 신종 감염병이 발생했을 때, 과거 데이터가 부족한 상황에서도 정확한 사례 예측을 가능하게 하는 두 가지 접근법, 즉 합성 데이터와 바이러스 유전 정보를 활용하는 방법을 제시한다. 연구 배경으로는 전염병 예측이 공중보건 대응에 핵심적인 역할을 함에도 불구하고, 데이터 노이즈, 보고 지연, 인간 행동의 반사성, 정책 변동, 병원체 진화 등 복합적인 어려움이 존재한다는 점을 들었다. 특히 COVID‑19 팬데믹 동안 유전체 감시가 새로운 변이의 조기 탐지를 가능하게 했으며, 이는 향후 전염병 예측에 중요한 선행 지표가 될 수 있음을 강조한다. 데이터 구성은 크게 세 부분으로 나뉜다. 첫째, 실제 COVID‑19 주간 사례 데이터는 Johns Hopkins CSSE에서 수집했으며, 2020년 6월부터 2022년 12월까지 미국 50개 주와 푸에르토리코를 대상으로 했다. 둘째, 변이 정보는 GISAID에서 확보한 약 450만 개의 미국 내 SARS‑CoV‑2 서열을 Pango 라인업으로 분류하고, 변이 비율을 시간에 따라 계산해 총 사례에 곱함으로써 변이별 사례(VAC) 시계열을 만들었다. 셋째, 비COVID‑19 호흡기 질환(인플루엔자, 폐렴, RSV 등)의 실제 시계열 2,167개를 활용해 합성 데이터 생성기의 학습 기반으로 삼았다. 합성 데이터는 MutAntigen이라는 에이전트 기반 모델을 이용해 생성되었다. 이 시뮬레이터는 감염자 이동, 접촉, 변이 전파 등을 파라미터화하여 총 사례(TC)와 변이별 사례(VAC)를 동시에 출력한다. 파라미터 조합을 다양화해 36,600개의 TC 시계열과 36,570개의 VAC 시계열을 만들었으며, 이는 실제 데이터보다 훨씬 큰 규모와 다양성을 제공한다. 모델링은 Transformer 기반 딥러닝 아키텍처를 채택했다. Transformer는 시계열의 장기 의존성을 효과적으로 학습하고, 새로운 지역이나 시점에 대해 빠르게 추론할 수 있다는 장점이 있다. 총 8가지 모델 구성을 정의했으며, 이는 훈련 데이터 소스(실제, 합성 TC, 합성 VAC, 실+합성)와 입력 형태(TC 또는 VAC)의 조합으로 이루어진다. 예를 들어 M(r,t)는 실제 TC 데이터만으로 학습하고 TC 입력을 받아 직접 총 사례를 예측하며, M(sv,v)는 합성 VAC 데이터로 학습하고 VAC 입력을 받아 변이별 사례를 예측한 뒤 합산한다. 평가 방법은 1~4주 선행 예측을 대상으로 평균 절대 오차(MAE)와 가중 인터벌 스코어(WIS)를 사용했다. 실험 결과는 다음과 같다. (1) 합성 TC 데이터로 학습한 M(st,t) 모델이 실제 TC 모델(M(r,t))보다 MAE와 WIS에서 모두 우수했다. (2) 합성 VAC 데이터로 학습한 M(sv,v) 모델이 실제 VAC 모델(M(r,v))보다 성능이 높았다. (3) 실데이터와 합성 데이터를 결합한 M(a,·) 모델은 각각 단일 소스 모델을 능가했으며, 특히 M(a,v)는 가장 낮은 MAE를 기록했다. (4) 변이 정보를 포함한 모든 모델(M(·,v))은 동일 입력 형태의 TC 모델보다 일관되게 더 좋은 예측을 제공했다. (5) 다수 모델이 기존 베이스라인 지속성(persistence) 모델과 COVIDHub 4‑주 앙상블을 능가했으며, 특히 M(a,v)와 M(sv,v)는 상위 10% 성능을 달성했다. 논문의 주요 기여는 (i) 합성 데이터가 실제 데이터 부족 상황에서도 모델 성능을 크게 향상시킬 수 있음을 실증, (ii) 변이별 사례를 입력으로 활용하면 전염병 동역학을 더 정밀하게 포착할 수 있음을 입증, (iii) 실+합성 데이터와 변이 정보를 동시에 활용한 모델이 현재 가장 높은 예측 정확도를 보인다는 점을 제시한다는 것이다. 한계점으로는 합성 데이터 생성기의 파라미터 설정이 실제 전염병 동역학을 완벽히 재현하지 못할 가능성, 변이 데이터의 보고 지연을 무시한 점, 그리고 변이별 사례를 총 사례에 단순 비례 적용한 가정 등이 있다. 향후 연구에서는 (a) 시뮬레이터 파라미터를 실제 역학 데이터와 더 정밀하게 캘리브레이션, (b) 유전체 보고 지연을 모델링한 실시간 변이 추정, (c) 변이와 면역 상호작용을 포함한 복합 모델 개발 등을 통해 예측 정확도와 실용성을 더욱 높일 수 있을 것이다.