인공지능 미생물 분석 기반 사후 경과 시간 추정 모델 개발
화중과학기술대학교 연구진은 사후 미생물 군집 변화를 예측해 사망 시점을 추정하는 인공지능 프레임워크인 엠홈즈를 개발했습니다. 이 모델은 서로 다른 신체 부위 간의 미생물 변화를 예측하는 작업에서 평균 절대 오차를 2일 미만으로 줄였습니다. 연구 결과는 네이처 커뮤니케이션즈에 게재되었습니다.
주장엠홈즈는 사후 미생물 군집 변화를 예측해 사망 후 경과 시간을 추정하는 인공지능 프레임워크입니다.
팩트연구진은 34구의 시신에서 21일 동안 수집한 종단적 데이터를 이용해 모델을 학습시켰습니다.
팩트엠홈즈는 엉덩이와 얼굴 등 서로 다른 신체 부위 간의 미생물 변화를 예측하는 작업에서 평균 절대 오차를 2일 미만으로 낮췄습니다.
팩트기존 사후 경과 시간 추정 방식은 오차가 3일을 넘는 경우가 많았습니다.
팩트엠홈즈는 트랜스포머 기반의 전이 학습을 도입해 불완전한 관측 데이터에서도 높은 해상도의 타임라인을 재구성합니다.
교차검증연구진은 34구의 시신 데이터로 모델을 학습시켰으나, 다양한 환경적 요인이나 개인별 미생물 차이가 결과에 미치는 영향은 추가 검증이 필요합니다.
팩트연구진은 샵 분석을 거쳐 사후 경과 시간과 밀접한 관련이 있는 7가지 박테리아 클래스를 식별했습니다.
팩트이 과정은 모델의 예측 결과에 대한 해석 가능성을 높입니다.
팩트수치 계산은 허페이 첨단 컴퓨팅 센터에서 이루어졌으며, 연구 재현성을 위해 메타클로 오픈 소스 코드가 공개되었습니다.
팩트본 연구는 중국 국가 핵심 연구개발 프로그램 및 국가 자연과학 기금의 지원으로 진행되었으며, 화중과학기술대학교 생명과학기술대학 연구원들이 참여했습니다.
교차검증저자들은 해당 연구와 관련해 이해 상충이 없다고 밝혔으며, 데이터 투명성을 위해 동료 평가 파일과 소스 데이터를 함께 제공했습니다.
출처네이처 커뮤니케이션즈(https://www.nature.com/articles/s41467-026-77510-3)의 보도를 교차 검증했습니다.
관련 콘텐츠
본 기사는 전문가의 분석과 공개 자료를 기반으로 AI가 작성 후 다른 AI의 검증을 거쳐 작성됐으며 정보의 정확성과 완전성을 보장하지 않습니다. 기사 내용은 특정 투자·의사결정의 권유가 아니며, Wittgenhaus는 이를 근거로 한 행위의 결과에 책임을 지지 않습니다.
