[35일차] ABC 부트캠프 결과 보고서 작성

1. 프로젝트 개요

I. 프로젝트 개발 배경

아프리카 발 엠폭스에 대한 세계보건기구(WHO)의 최고 수준 보건 경계 태세 발령에 대한민국도 20일, 콩고민주공화국 포함 8개 국가를 검역 관리 지역으로 지정하였다. 엠폭스는 과거 원숭이 두창이라고도 불렸어며, 대표적인 엠폭스 증상에는 발열, 오한, 림프절 부종, 피로, 근육통 등이 있으며 피부 발진이 가장 높은 비중을 차지하였다. 엠폭스에 감염이 되면, 대부분 경미한 증상이 나타나고, 2주~4주 후 완치가 되는 것으로 보고 있다. 하지만 고위험군에 해당하는 소아, 임산부, 기저질환자, 면역저하자등은 드물게 합병증을 동반한다. 그렇기에 확산세를 막고, 사망률을 줄이고자 자가진단할 수 있는 앱을 개발하고자 한다.

II. 프로젝트 구성도

 

모델에 대한 구성도이다. 입력 데이터로는 엠폭스 사진과 엠폭스가 아닌 다른 피부 질환 사진으로 나뉜다. 합성곱 연산을 통해 이미지 특성을 추출하고, 풀링 연산을 통해 차원을 축소 시킨다. 이러한 과정을 거친 뒤, 실제 학습을 하기 위해 배열을 평탄화 시키고, 모델을 학습 시킨다. 이렇게 만들어진 모델은 입력 사진에 대한 엠폭스 여부를 판별할 수 있게 된다.

우리 조에서 구현한 어플에는 학습된 모델이 탑재되어 있어, 카메라로 사진을 찍으면 엠폭스 여부를 판별하고, 엠폭스에 대해 양성일 시 그에 따른 행동 요령도 같이 알려주게 된다. 

2. 프로젝트 수행 결과

I. 주요 기능

구분	기능	설명
S/W	Input	스마트폰 카메라로 촬영한 엠폭스 의심 부위 업로드
	CNN	이미지 처리를 위한 Convolution 연산 진행
	DNN	이미지 처리 후 모델의 학습을 위한 Fully Connected Neural Network
	Output	엠폭스 여부 확인
H/W	스마트폰 카메라	엠폭스 의심 부위 촬영

II. 예상 결과물

 

3. 프로젝트 수행 방법

I. 프로젝트 개발 측면에서의 어려움

<문제점>

       - 이미지 분석의 정확도 한계.

 

<해결방안>

       - 직접 구현한 모델과 사전 학습 모델의 조합으로 정확도 향상.

4. 기대효과 및 활용분야

I. 엠폭스 감염자 중 고위험군(예: 노인, 만성 질환자, 면역저하자 등)을 우선적으로 식별하고 이들에게 신속하고 적절한 치료를 제공, 이러한 우선순위 선정은 한정된 의료 자원을 효과적으로 사용, 적절한 치료를 통해 질병의 악화를 방지하고, 사망률을 크게 절감.

 

II. 질병 예방과 치료에 있어 의료 취약 계층(노인, 저소득층, 면역저하자 등)을 보호하는 것은 사회적 건강 형평성을 유지하는 데 매우 중요함. 아프리카 의료 취약 계층 특성상 의료 인프라 부족 현상과 더불어 의료 취약 환경에 노출될 가능성이 높음, 앱 사용으로 이들을 보호함으로써 사회 의료 빈곤 격차를 줄일 수 있으며, 모든 사회 구성원이 동등한 건강 권리를 누릴 수 있도록 함, 이는 장기적으로 건강 형평성을 증진.

 

III. 감염자가 많이 발생한 지역에는 더 많은 의료 인력, 장비, 약품 등을 투입하여 적시에 대응 가능, 의료 자원의 낭비를 줄이고, 필요할 때 필요한 곳에 자원을 공급함으로써 효율적인 질병 관리를 가능, 이로 인해 각 지역에서의 치료 효율이 높아지고, 감염 확산을 효과적으로 억제 가능.

 

IV. 앱 사용 기간 동안 DB에 쌓일 빅데이터 분석을 통한 국가 및 구호단체 의료자원 적재적소 배치 가능하며 또한 정부 및 기관과 제약 회사등 다양한 기업체 데이터 판매 등으로 사업성 추구 가능.

 

V.  자가진단 도구와 시스템의 활성화는 조기 대응을 가능, 개인이 증상을 신속하게 인지하고 자가진단을 통해 질병 여부를 파악함으로써, 초기 단계에서 조기 대응(감염자의 격리, 치료 등) 통해 확산을 억제하는 데 도움을 줌, 전 세계적인 전염병 확산을 방지하는 데 필수적이며, 글로벌 공중보건의 안정성을 유지하는 중요한 수단.