계절성 알레르기를 위한 도시 계획을 AI로 재구상하기

추운 겨울이 물러가면서, 봄은 색채의 화려함, 새들의 소리, 따뜻한 기온, 늘어나는 일조 시간, 그리고 전반적인 활기찬 에너지로 우리를 즐겁게 합니다.

하지만 이러한 상쾌함에는 꽃가루 알레르기와 같은 도전 과제도 동반됩니다. 꽃가루 알레르기는 주로 봄에 가장 많이 발생하지만, 많은 식물, 나무, 풀, 잡초가 이 시기에 꽃가루를 방출하기 때문에 여름에도 나타납니다.

꽃가루 수치는 따뜻한 계절에 더 높아지는 경향이 있지만, 일부 식물은 연중 내내 꽃가루를 방출합니다.

또한 기후 변화도 꽃가루 확산에 영향을 미칠 수 있습니다. 온도, 대기 중 이산화탄소(CO2), 강수량이 변함에 따라 기후 변화는 꽃가루 시즌의 길이, 꽃가루 양, 알레르기 유발 정도 및 알레르기 증상이 나타날 위험에 영향을 줄 수 있습니다.

꽃가루는 다양한 알레르기 반응을 일으키는 공기 중 알레르겐입니다. 여기에는 꽃가루가 몸에 들어와 면역 체계가 이를 위협으로 오인하고 반응할 때 발생하는 알레르기 비염(건초열) 등이 포함됩니다.

꽃가루 알레르기는 실제로 꽤 흔하며, 전 세계 인구의 10%에서 30%가 영향을 받는 것으로 추정됩니다. 미국에서는 18세 이상 인구의 약 7.8%가 건초열을 경험합니다.

꽃가루에 노출되면 알레르기 결막염 증상도 유발될 수 있습니다. 일반 인구의 약 30%가 눈 알레르기를 겪으며, 이는 눈이 빨갛게 되고, 물이 나거나 가려운 증상을 포함합니다. 알레르기 비염 환자 중 70%는 이러한 눈 증상을 나타냅니다.

천식과 같은 호흡기 질환을 가진 사람들은 꽃가루에 더 민감할 수 있으며, 꽃가루에 노출되면 천식 발작, 호흡기 문제 및 직장·학교에서의 생산성 감소를 초래할 수 있습니다.

또한 연간 30억 달러가 넘는 꽃가루 관련 의료비가 발생하며, 그 중 절반은 처방약 비용입니다.

이러한 주요 공중 보건 문제를 해결하려면 꽃가루 입자를 정확히 식별해야 합니다. 꽃가루는 꽃이 피는 식물과 나무에서 퍼지는 작은 ‘씨앗’과 같습니다. 올바른 식별은 인간과 환경의 상호작용을 이해하고 풍경 및 환경을 재구성하는 데 중요합니다.

“어떤 나무 종이 가장 알레르기 유발성이 높고 언제 꽃가루를 방출하는지에 대한 보다 상세한 데이터를 통해 도시 계획자는 무엇을 어디에 심을지에 대해 더 현명한 결정을 내릴 수 있습니다.”

– 연구 공동 저자 베나즈 발마키, UT 알링턴의 생물학 연구 조교수

그녀는 또한 공원, 학교, 병원 및 주거 지역과 같은 고인구 밀집 지역에서의 선택과 배치의 중요성을 강조했습니다.

하지만 침엽수 속, 특히 전나무(Abies), 소나무(Pinus), 가문비(Picea) 등에서 나온 꽃가루 입자를 구분하는 것은 형태학적 유사성 때문에 고과학(palynology)에서 어려움을 초래합니다.

높은 유사성으로 인해 꽃가루 구분이 어려워집니다

연구자들은 꽃가루 데이터를 사용해 과거와 현재의 환경 분석을 연구하고 도시 계획에 활용합니다.

퇴적물과 이탄 습지에 보존된 꽃가루 입자를 분석하면 고생태학자들이 특정 지역에서 과거 다양한 시기에 존재했던 식생 유형을 식별할 수 있습니다. 이는 식물 분포가 강수량 및 온도와 같은 특정 기후 변수와 밀접하게 연관되어 있기 때문에 과거 식생 패턴과 역사적 기후 조건을 재구성하는 데 도움이 됩니다.

이처럼 연구자들은 풍경 변화와 수세기 동안의 기후 변동이 생태계에 미치는 영향을 추적할 수 있습니다. 이는 환경 변화에 대한 생태계의 반응을 이해하고, 기후 변화에 대한 미래 생태학적 반응을 예측하는 데 통찰을 제공합니다.

꽃가루 입자는 인간 활동과 환경 요인 간의 상호작용을 식별하는 데도 도움을 주어 이러한 풍경 패턴을 크게 형성합니다.

여기서 침엽수 속은 특정 생태 및 기후 적응을 대표하기 때문에 중요합니다. 예를 들어, 소나무는 화재와 같은 환경 스트레스에 대한 회복력으로 알려져 있습니다. 반면 가문비는 추운 환경에 적응하고, 전나무는 수분 변화에 민감합니다.

이 식물 종에 대한 데이터는 화재 체계, 기후 변동, 강수 패턴 및 과거 습도에 대한 폭넓은 이해를 돕고, 알레르기 치료와 공중 보건 관리에도 핵심적인 역할을 할 수 있습니다.

특히, 꽃가루 분석은 알레르기 유발 종을 정확히 파악하고 관련 건강 문제를 예측하는 데 도움이 되어 알레르기 및 건강 연구에 유익합니다.

물론, 여기서 문제는 침엽수 속의 형태학적 유사성에 있습니다. 연구자들은 꽃가루 입자의 크기, 형태, 대칭성, 극성, 개구부 및 장식 등 형태학적 특징에 의존해 꽃가루를 연구합니다.

밀접하게 관련된 꽃가루 입자는 형태학적 차이가 매우 미묘하여, 한 종을 다른 종과 정확하고 빠르게 구분하기가 어렵습니다.

예를 들어, 현미경을 사용해 꽃가루 입자를 식별하는 것은 자원이 많이 소모되는 과정입니다. 비용이 많이 들고 시간이 오래 걸릴 뿐만 아니라 주관적인 기준에 의존해 오류율이 33%에 달하기도 합니다.

특히 침엽수 종의 꽃가루 입자는 형태학적 구분이 거의 없어 식별이 매우 어렵다는 것이 널리 보고되었습니다. 이 그룹의 모든 입자는 두 개의 공기 주머니와 중앙 몸체를 가지고 있어 높은 유사성을 공유합니다. 따라서 현미경으로도 이 종들을 정확히 인식하는 것이 어려운 상황입니다.

연구자들은 디지털 이미지 기술과 그래픽 소프트웨어를 활용해 분석을 향상시키고 있지만, 이는 여전히 인간의 시각 검사에 크게 의존하며, 특히 초보 고과학자들이 관여할 경우 분류 오류가 발생하기 쉽습니다.

이러한 제한점은 꽃가루 입자를 식별하기 위한 보다 객관적이고 효율적이며 정밀한 기술을 요구합니다. 이 어려운 작업은 전문가 지식, 고해상도 현미경 사진, 그리고 정확한 비교와 식별을 위한 다수의 참고 슬라이드를 필요로 합니다.

“고해상도 현미경을 사용하더라도 꽃가루 간의 차이는 매우 미묘합니다.”

– Dr. Balmaki

AI가 알레르기를 일으키는 꽃가루를 찾는 데 도움을 줄 수 있습니다

인공지능(AI)은 거의 모든 산업에서 발전을 이끌어 왔습니다. 방대한 데이터를 활용해 학습하고 개선함으로써 인간이 놓칠 수 있는 패턴과 관계를 식별할 수 있게 합니다.

최근에 공유한 바와 같이, AI는 방대한 기존 연구 데이터베이스를 활용해 최적의 고체 전해질(SSE) 후보를 찾는 데 과학자들을 지원합니다. 모든 가능한 옵션을 빠르게 검색함으로써 고성능 고체 전지(SSB) 개발을 가속화합니다.

현재 텍사스 대학교 알링턴 캠퍼스(UTA) 연구진은 기술을 활용해 꽃가루 분석을 향상시키고 있습니다¹. 수천 장의 이미지로 훈련된 딥러닝 모델을 통해 종을 식별합니다.

딥러닝이 이 목적에 훌륭한 기술임을 확인한 연구자들은 이 접근법이 꽃가루 분류 정확도를 크게 향상시키고 식별에 소요되는 시간을 현저히 단축할 수 있다고 언급했습니다.

전통적인 방법, 예를 들어 개별 꽃가루 샘플을 수동으로 식별하는 경우, 샘플 복잡도와 담당자의 전문성에 따라 몇 시간이 걸릴 수 있습니다.

반면, 머신러닝(ML) 및 딥러닝(DL) 모델은 학습이 완료되면 수천 장의 이미지를 몇 초 만에 처리할 수 있습니다. “속도의 기하급수적 향상”은 대규모 생태 및 환경 연구에 DL을 특히 가치 있게 만듭니다.

이러한 방식으로 훈련된 모델을 보유하면, 고과학에서 요구되는 방대한 형태학 교육 필요성을 줄이면서 종 식별을 향상시킬 수 있습니다.

“우리 연구는 딥러닝 도구가 꽃가루 분류의 속도와 정확성을 크게 향상시킬 수 있음을 보여줍니다. 이는 대규모 환경 모니터링 및 생태 변화의 보다 상세한 재구성에 문을 열어주며, 어떤 종이 언제 꽃가루를 방출하는지를 정확히 파악함으로써 알레르기 추적을 개선할 가능성을 제시합니다.”

– Dr. Balmaki

UT 연구진이 네바다 대학교와 버지니아 공대와 협력해 사용한 기술을 더 깊이 살펴보면, 그들은 고급 딥러닝 기법, 특히 전이 학습 모델을 활용했습니다.

이러한 모델은 사전 학습된 모델을 다른 관련 작업에 재사용하는 방식을 포함합니다. 전이 학습을 통해 처음부터 시작할 필요가 없어지고, 제한된 데이터라도 새로운 모델을 훈련하는 데 필요한 시간과 자원을 줄일 수 있습니다.

연구에 따르면 전이 모델은 상세 특징의 유사성을 인식하는 데 효과적이며, 특히 침엽수 종 분류와 같은 어려운 종 식별 모델을 만드는 데 도움을 주고 꽃가루 입자 분석을 향상시킬 수 있습니다.

연구자들은 실제로 VGG16, VGG19, ResNet101, ResNet50, MobileNetV2, InceptionV3, EfficientNetV2S, DenseNet201, Xception 등 아홉 가지 전이 학습 모델을 활용했습니다.

그들은 네바다 대학교 자연사 박물관이 보존한 샘플에서 수집한 꽃가루 이미지 데이터셋을 사용해 각 모델을 훈련하고 검증했습니다.

모델들은 훈련, 테스트, 검증 단계 전반에 걸쳐 정밀도, 정확도, 재현율, F1-score 등 다양한 성능 지표로 평가되었습니다. 각 모델의 결과를 기반으로 ResNet101이 모든 모델 중 가장 뛰어난 것으로 나타났으며, 테스트 정확도 99%와 동등하게 높은 정밀도, 재현율, F1-score를 달성했습니다. Balmaki에 따르면:

“이는 딥러닝이 전통적인 식별 방법을 속도와 정확도 모두에서 성공적으로 지원하고 심지어 능가할 수 있음을 보여줍니다.”

강력하지만, AI가 훈련된 고과학자의 전문성을 대체하지는 않습니다. 실제로 이는 “인간 전문성이 여전히 필수적임을 확인시켜준다”고 그녀는 덧붙였습니다. 필요한 데이터셋을 만들기 위해서는 “잘 준비된 샘플과 생태적 맥락에 대한 깊은 이해”가 필요합니다. 이는 단순히 기계만의 문제가 아니라 기술과 과학의 협업입니다.

이 새로운 AI 시스템을 통해 연구자들은 도시 계획자들에게 보다 정보에 기반한 나무 선택 결정을 내리고, 알레르기 환자들에게 큰 안도감을 줄 수 있는 건강 중심의 풍경을 구축할 수 있는 도구를 제공하고자 합니다. Dr. Balmaki는 다음과 같이 언급했습니다:

“보건 서비스는 이 정보를 활용해 꽃가루 피크 시즌에 알레르기 경보, 공중 보건 메시지 및 치료 권고를 보다 적절한 시기에 제공할 수 있습니다.”

농부들도 이 연구에서 큰 혜택을 받을 수 있는데, “꽃가루는 생태계 건강의 강력한 지표”이기 때문입니다. Dr. Balmaki는 다음과 같이 설명했습니다:

“꽃가루 구성의 변화는 식생, 수분 수준 및 과거 화재 활동의 변화를 나타낼 수 있습니다. 농부들은 이 정보를 활용해 작물 생존 가능성, 토양 상태 또는 지역 기후 패턴에 영향을 미치는 장기적인 환경 추세를 추적할 수 있습니다.”

또한, 이 연구는 야생 동물 및 수분 매개자 보존에도 유용할 수 있습니다.

벌과 나비와 같은 곤충은 특정 식물에 음식과 서식지를 의존합니다. 해당 지역에 존재하거나 감소하고 있는 식물 종을 식별함으로써 이러한 변화가 전체 먹이 그물에 미치는 영향을 더 잘 이해하고, 식물과 수분 매개자 간의 중요한 관계를 보호하기 위한 적절한 조치를 취할 수 있습니다.

연구팀은 더 다양한 식물 종을 포함하도록 확대할 계획이며, 미국 전역에 적용 가능한 포괄적인 꽃가루 식별 시스템을 개발해 극한 기상 현상에 대한 식물 변화 대응을 더 잘 이해하고자 합니다.

로봇 수분 매개자가 수직 농업에서 핵심 역할을 하는지 알아보려면 여기를 클릭하세요.

인공지능(AI) 투자

AI 분야에서 Nvidia (NVDA ) 은 가장 큰 이름입니다. 이 반도체 파워하우스는 GPU 기술과 AI 하드웨어로 많은 딥러닝 모델을 구동해 왔습니다. 실제로 이 연구의 모든 모델은 Python 3.10.6과 TensorFlow를 사용해 12GB 메모리를 갖춘 NVIDIA GeForce RTX 3060에서 훈련 및 테스트되었습니다.

NVIDIA 코퍼레이션 (NVDA )

Nvidia의 GeForce RTX 3060은 2021년 1월 초에 출시된 NVIDIA RTX™의 두 번째 세대로, GTX 1060 대비 최대 10배의 레이 트레이싱 성능을 제공하며 NVIDIA DLSS를 지원합니다.

이 제품은 540억 개의 트랜지스터로 구성된 NVIDIA Ampere 아키텍처를 기반으로 하며, 현재까지 제작된 가장 큰 7nm 칩입니다. 이 아키텍처는 3세대 Tensor Core, 멀티 인스턴스 GPU(MIG), GPU 간 직접 대역폭 600 GB/s, 구조적 희소성, 2세대 RT Core, 2 TB/s 메모리 대역폭 등 혁신적인 기능을 포함합니다.

현재 Nvidia의 Hopper(H100) GPU와 차세대 Blackwell GPU 아키텍처가 모든 주목을 받고 있으며, AI 혁신을 선도하려는 기업들의 선호 칩으로 자리 잡고 있습니다.

고급 솔루션과 주요 고객 덕분에 Nvidia는 2년 전 30달러 이하였던 주가를 현재 119달러 수준으로 끌어올렸으며, 이는 AI 열풍에 힘입어 2024년 11월에 거의 150달러에 달하는 정점을 찍었습니다.

그 이후 NVDA 주가는 20.66% 하락했으며, 올해는 12.83% 감소했습니다. 최근 Nvidia는 보고하면서 H20을 중국에 수출하는 데 55억 달러 규모의 비용이 발생할 것으로 예상했습니다.

이와 동시에, 주요 AI 칩 제조업체는 향후 4년간 미국 공급망에 수천억 달러를 투자하겠다고 발표했습니다. “이 산업의 성공을 중시하고 에너지를 장애물로 두지 않는 행정부의 지원은 미국 AI에 있어 놀라운 결과”라고 CEO Jensen Huan은 FT와의 인터뷰에서 말했습니다.

트럼프 행정부는 “AI 확산 규칙”을 폐지할 준비를 하고 있으며, 이는 이번 달 말에 적용될 AI 칩 통제 조치를 사실상 무효화할 것입니다. 이 규칙은 국가를 세 단계로 구분해 Nvidia 등 칩에 대한 라이선스 없이 수출할 수 있는 제한을 두었습니다.

Nvidia는 이 규칙에 반대해 왔으며, Huang은 “중국 AI 시장(약 500억 달러 규모)에서 배제되는 것은 ‘엄청난 손실’”이라고 이번 주 초에 말했습니다.

수익성 측면에서 Nvidia는 EPS(TTM) 2.94, P/E(TTM) 39.82, ROE(TTM) 119.18%를 기록하고 있으며, 배당 수익률은 0.03%에 불과합니다. 시가총액은 무려 2.85조 달러로 세계 3위 기업에 해당합니다.

2025년 1월 26일에 종료된 2025 회계연도 4분기(Nvidia)는 사상 최고 분기 매출 393억 달러를 기록했으며, 전 분기 대비 12%, 전년 동기 대비 78% 증가했습니다.

2025 회계연도 전체 매출은 1,305억 달러로 전년 대비 114% 급증했습니다. GAAP 기준 희석 주당 순이익은 147% 상승한 2.94달러, 비GAAP 기준은 130% 상승한 2.99달러를 기록했습니다.

이러한 강력한 재무 실적은 Nvidia의 새로운 GPU 마이크로아키텍처인 Blackwell 덕분이며, 이는 Gen AI와 가속 컴퓨팅을 위해 설계되었고 “놀라운” 수요를 보이고 있습니다. 2월에 결과를 공유하면서 Huang은 Blackwell AI 슈퍼컴퓨터의 대규모 생산을 확대하고 있으며, 이미 1분기에 수십억 달러 규모의 매출을 올렸다고 밝혔습니다.

Latest on NVIDIA Corporation

Conclusions

딥러닝 기술은 객체 탐지, 이미지 분류 및 작업 인식에서 효율성과 정확성을 높이고 오류와 수작업을 줄이는 것으로 알려져 있습니다. 또한 꽃가루 분류에서도 매우 효과적이며, 특히 전이 학습을 활용한 접근법은 비용 효율적이고 시간 소모가 적으며 데이터 부족 문제를 해결하면서 침엽수 종 식별에 기여했습니다.

AI를 활용함으로써 연구자들은 알레르기 환자와 농부, 도시 계획자를 돕는 도구를 제공했습니다. 확장 가능하고 빠르며 정확한 꽃가루 식별을 통해 도시 환경을 알레르기 노출을 줄이고 공중 보건 대응을 개선하도록 맞춤화할 수 있습니다.

더욱이 기후 변화가 환경에 미치는 영향을 고려할 때, 생태학과 AI를 결합하면 우리 도시와 풍경을 보다 건강 중심적으로 계획할 뿐만 아니라 야생 동물 및 수분 매개자를 보존하고 작물 수확량을 높이는 데도 기여할 것입니다.

인공지능 투자에 대해 모두 알아보려면 여기를 클릭하세요.

Studies Referenced:

1. Rostami, M. A., Kydd, L., Balmaki, B., Dyer, L. A., & Allen, J. M. (2025). Deep learning for accurate classification of conifer pollen grains: enhancing species identification in palynology. Frontiers in Big Data, 8, 1507036. https://doi.org/10.3389/fdata.2025.1507036