표면 센서의 첫 30초로 핵심체온 추정…AI 시험서 ±0.1℃ 이내 95.17%

피부에 붙인 센서가 처음 30초 동안 보여주는 열의 변화만으로 몸속 온도를 추정하는 인공지능 기술이 개발됐다. 센서를 몸 안에 넣거나 열이 완전히 안정될 때까지 기다리지 않고, 표면에서 측정한 짧은 신호로 핵심체온을 빠르게 알아내려는 접근이다.

인하대학교는 김대유 전기컴퓨터공학과 교수 연구팀이 열유속 센서와 인공지능 알고리즘을 이용해 센서 부착 후 30초 만에 내부 온도를 추정하는 기술을 개발했다고 21일 밝혔다. 열유속 센서는 물체 표면을 통과해 이동하는 열의 흐름을 측정한다. 단순한 표면 온도는 주변 공기와 접촉 상태에 따라 달라질 수 있지만, 연구진은 열이 이동하는 과정에서 나타나는 시간별 변화를 분석 대상으로 삼았다.

연구진이 사용한 Conv1D-GRU 모델은 센서에서 얻은 두 온도 신호의 처음 30초를 입력받는다. Conv1D는 짧은 구간에서 반복되는 특징을 찾고, GRU는 시간 순서에 따라 신호가 어떻게 달라지는지를 처리하는 인공지능 구조다. 이번 방식은 열이 평형에 도달한 뒤의 값이 아니라, 센서를 붙인 직후 나타나는 ‘과도 열응답’을 학습한다는 점이 특징이다.

학습에는 주변 온도 5~35℃, 대류 열전달계수 0~50W·m⁻²·K⁻¹, 피부 열전도도 0.32~0.50W·m⁻¹·K⁻¹, 센서 두께 1~5㎜를 조합한 9만2820개 시뮬레이션 조건이 쓰였다. 주변 환경과 피부, 센서 조건이 달라질 때 열 전달 양상이 어떻게 바뀌는지를 여러 조합으로 만들어 모델에 학습시킨 것이다.

시험 데이터 9333건에서 결정계수는 0.9998로 나타났다. 결정계수는 예측값이 기준값의 변화를 얼마나 잘 따라가는지를 보여주는 수치로, 1에 가까울수록 두 값의 변화가 잘 맞는다는 뜻이다. 평균 편향은 -0.0201℃였으며, 오차의 95%가 포함되는 일치한계는 -0.072℃에서 +0.113℃였다. 전체 예측 가운데 기준값과 ±0.1℃ 이내로 맞은 비율은 95.17%였다.

같은 입력을 사용한 다른 분석법의 ±0.1℃ 이내 비율은 서포트 벡터 회귀(SVR) 81.2%, 랜덤포레스트 72.6%, 그래디언트부스팅 75.0%, 선형회귀 75.2%였다. 이는 연구진이 구성한 시험 데이터에서 Conv1D-GRU 모델이 비교 대상보다 높은 비율을 기록했다는 의미다.

인체 시험에서는 센서를 이마·가슴·손목에 부착하고 30초 뒤 추정값을 겨드랑이에서 잰 기준값과 비교했다. 세 부위의 추정값은 기준값과 ±0.2℃ 이내였다. 신호가 안정된 뒤의 추정값은 이마 36.57℃, 가슴 36.64℃, 손목 36.47℃였고 겨드랑이 기준값은 36.46℃였다. 다만 시뮬레이션 시험의 ±0.1℃ 결과와 인체 시험의 ±0.2℃ 결과는 구분해 해석해야 한다.

핵심체온은 피부온도보다 주변 환경의 영향을 덜 받지만, 식도나 직장 등에서 직접 측정하는 방식은 몸 안에 측정기구를 넣어야 한다. 기존 영열유속 방식은 피부와 외부 사이의 열 흐름이 0이 되도록 센서를 가열한 뒤 평형을 기다리기 때문에 전력과 안정화 시간이 필요한다. 수동형 단일 열유속 방식도 신체 부위마다 다른 열 특성을 보정해야 하는 문제가 있었다.

Institute of Science Tokyo 연구진이 2025년 발표한 데이터셋 없는 단일 열유속 센서 자체보정법은 보정에 약 1500초가 필요했다. 이번 연구는 평형을 기다리는 대신 초기 30초 신호를 학습한다는 점에서 접근법이 다르다. 연구진은 입력 길이를 정할 때 ASTM E1112의 ±0.1℃ 수준을 정확도 기준으로 참고했지만, 이 결과가 해당 표준의 적합성 인증을 의미하지는 않는다.

국제표준화기구의 ISO 9886:2004는 핵심체온과 피부온도, 심박수, 체중 감소를 열 스트레스 평가에 사용하는 생리 지표로 규정한다. 이번 연구는 표면에서 얻은 짧은 열 신호로 핵심체온을 추정할 가능성을 제시했지만, 제시된 인체 결과의 기준은 겨드랑이 온도이며 시뮬레이션 수치와 실제 인체 측정 결과의 조건도 서로 다르다.

연구 결과는 김한경·황철진·김대유 연구자의 논문으로 2026년 7월 27일 학술지 Results in Engineering에 온라인 공개됐다. 논문의 디지털 객체 식별자는 10.1016/j.rineng.2026.112236이다.

자료: 인하대학교, Results in Engineering·Elsevier, Institute of Science Tokyo, IEEE, ASTM International, 국제표준화기구(ISO)