2024-08-22
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
모기는 죽음을 초래하는 동물 중 1위를 차지합니다.
세계보건기구(WHO) 통계에 따르면 매년 전 세계적으로 약 72만5000명이 모기에 물려 질병으로 사망하고, 2022년에는 말라리아만으로도 60만8000명이 사망할 것으로 예상된다. 이에 비해 뱀, 개(광견병 전염), 악어 등과 같은 다른 치명적인 동물도 상당한 수의 사망자를 유발하지만 그 수는 모기에 비해 훨씬 적습니다.
매년 다양한 동물에 의해 죽는 사람의 수 비교
WHO가 1955년 초에 말라리아를 완전히 퇴치하겠다고 선언했지만, 많은 지역에서 말라리아 퇴치는 "두더지 잡기" 게임이 되었습니다. 말라리아는 통제되고 있다고 생각될 때마다 곧 다른 형태로 나타나며, 오늘날까지도 여전히 효과적인 통제가 이루어지지 않고 있습니다.
모기에 의해 매개되는 질병을 제거하기 위한 첫 번째 단계는 다양한 유형의 모기를 탐지하고 식별하는 것입니다. 이는 모기 유형에 따라 질병이 다를 뿐만 아니라 모기마다 생존 특성이 다르기 때문입니다.
즉, 모기의 종류를 식별할 수 있으면 야외에서 생활하고 먹이를 먹는 모기의 산란지를 제거하고, 실내에서 생활하는 모기에는 모기장을 사용하는 등 모기의 다양한 특성을 활용하여 모기를 퇴치할 수 있다는 것이 입증되었습니다. 많은 지역에서 효과적인 모기 방제 조치입니다.
전 세계 최고 부자였던 Bill Gates는 최근 이러한 목적을 위해 새로운 기술인 VectorCam을 공유했습니다. 앱을 통해 모기 사진을 찍기만 하면 모기 종, 성별, 피를 빨고 알을 낳는지 등을 식별할 수 있습니다.
모기와의 싸움에서 우리는 마침내 상대를 명확하게 보게 됩니다.
빌게이츠가 영상으로 기술을 소개하다
AI 컴퓨터 비전을 사용하여 모기를 "볼" 수 있습니다.
VectorCam 관계자에 따르면 이 시스템은 모기 종, 성별 및 복부 상태를 식별하는 데 사용되는 새로운 컨볼루션 신경망인 VectorBrain을 사용합니다.
모기 식별을 위해 특별히 훈련된 AI 모델인 VectorBrain은 리소스가 제한된 환경에서 주요 말라리아 매개체를 포함해 6가지 주요 모기 매개체를 90% 이상의 정확도로 정확하게 식별할 수 있습니다.
VectorBrain은 모기 분류를 위해 설계된 다중 작업 EfficientNet 아키텍처로 종, 성별 및 복부 상태를 동시에 출력합니다. 아키텍처는 특징 추출기와 분기 구조로 구성되며, 각 분기는 분류 작업에 해당합니다.
모기 식별 측면에서 VectorBrain은 경량 YOLO 모델을 사용합니다. 이 모델은 실시간으로 모기를 찾고 감지된 좌표를 사용하여 더 나은 식별을 위해 모기 자체만 포함하는 이미지를 잘라냅니다.
모기 이미지를 분류하는 단계를 보여주는 그림입니다. 먼저 분류해야 할 완전한 모기 이미지를 보여줍니다(a). 그런 다음 YOLO 알고리즘을 사용하여 모기 이미지를 좌표에 따라 잘라내고 일련의 이미지 변환을 수행하여 분류를 준비합니다(b). 마지막으로 이미지(c)에서 모기 종을 식별하는 분류 알고리즘의 출력이 표시됩니다.
구체적으로 훈련 및 검증 중 YOLO 모델의 정밀도, 재현율 및 평균 정밀도(mAP)는 각각 96.00%, 90.50%, 95.87%였습니다. 카테고리 분류 모델의 정확도는 92.40±2%, 성별 분류 모델의 정확도는 97.00±1%, 복부 상태 분류 모델의 정확도는 83.20±3.1%로 나타났다.
(a)는 훈련 및 검증에서 YOLO 모델의 성능 지수이고, (b)는 모델에 의한 모기 탐지의 경우이다.
종, 성별, 복부 상태별 분류를 위한 혼동 매트릭스 및 정확도
VectorCam에서 제공한 논문에서는 YOLOv5가 다양한 대상 탐지 작업에 널리 사용되는 Faster R-CNN 모델과 비교됩니다. YOLOv5 Small은 더 나은 매개변수, 모델 크기, mAP 및 실행 시간을 가지고 있습니다.
맨발의 의사라도 빨리 시작할 수 있다
VectorCam은 보다 표적화된 대형 모델일 뿐만 아니라 말라리아 전염 지역에 적응하기 위해 특정 작업에서 단순화되어 말라리아 전염 지역의 실제 상황에 더 잘 적응할 수 있습니다.
특히 VectorCam에는 특수 이미징 장치 제품군과 모바일 앱이 포함되어 있습니다. 하드웨어 구성 요소에는 15x 매크로 렌즈가 내장된 라이트 박스, 휴대폰 케이스 디자인 및 도킹 스테이션이 포함됩니다. 하드웨어에는 Eppendorf 튜브 홀더, 모기 트레이, 모기를 더 잘 보관할 수 있도록 천공된 표본 ID 시트도 포함되어 있습니다.
VectorCam의 소프트웨어는 일반적인 모기뿐만 아니라 질병을 옮길 가능성이 더 높은 일부 특정 모기 유형을 포함하여 39개 이상의 모기 유형을 식별할 수 있는 Android 기반 애플리케이션입니다. 안드로이드 폰을 종료하세요.
VectorCam의 모바일 사용자 인터페이스
시스템의 작업 흐름에는 수집된 모기를 하드웨어에 배치하고, 스마트폰 앱을 사용하여 모기의 확대 이미지를 캡처하고, 후속 분자 검증을 위해 고유하게 라벨이 붙은 Eppendorf 튜브에 모기를 저장하는 작업이 포함됩니다.
VectorCam 시스템의 전체 작업 흐름
이미징 및 로딩 작업에는 두 명의 사용자만 필요합니다. 한 명은 이미징을 위한 것이고 다른 한 명은 모기를 로딩 및 보관하는 데 필요합니다. 곤충학 전문 지식이 많이 필요하지 않으며 시골 보건팀도 간단한 교육을 통해 VectorCam을 작동할 수 있습니다.
VectorCam은 작동이 용이할 뿐만 아니라 모기의 지역적 분포를 보다 직관적인 방식으로 표시할 수 있어 의사 결정자가 상황을 더 잘 이해하고 모기 종, 성별, 복부 상태 등을 파악하고 이에 대응하는 조치를 취하여 말라리아를 완전히 퇴치하는 과정을 촉진합니다.
그림은 네트워크가 다양한 수준에서 모기의 특성을 어떻게 "인식"하고 모기 종, 복부 상태, 성별 분포를 직관적으로 표시하는지 보여줍니다.
AI 컴퓨터 청각을 사용하여 모기를 "식별"
휴대폰을 사용해 모기를 탐지하는 측면에서도 빌 게이츠는 또 다른 성과인 험버그(HumBug)를 선보였다.
새로운 시스템은 스마트폰으로 포착한 모기 비행장의 음향 신호(소리)를 이용해 모기의 날개짓 소리로 모기 종을 식별할 수 있는 머신러닝 알고리즘 세트다. (모기는 개체의 크기, 연령, 환경 온도의 차이로 인해 서로 다른 종류의 날개를 퍼덕이는 속도가 다르기 때문에 소리도 서로 다른 것으로 밝혀졌습니다.)
HumBug 프로젝트별 워크플로
그리고 더 중요한 것은 Humbug에서는 모기를 수집하기 위해 VectorCam과 같은 특수 장치를 사용할 필요가 없으므로 모기 감지 프로세스가 더욱 단순화된다는 것입니다.
Humbug는 아직 초기 단계이지만 성공할 경우 더욱 자동화되고 지속적인 모니터링이 가능해질 수 있습니다.
빌 게이츠는 이러한 기술을 도입하면서 기술적인 어려움뿐만 아니라 기타 정치적, 경제적 요인에 대한 우려도 표명했습니다.
우리가 직면한 가장 큰 과제 중 하나는 과학적이 아니라 재정적, 정치적 문제입니다.
