운전자가 졸음운전으로 사고가 발생하기 이전에 주의를 줌으로써 사고율을 감소시킬 수 있는 길이 열렸다.

분당서울대병원 신경과 윤창호 교수팀은 뇌파 검사 결과에 '기계 학습(machine learning) 모델'을 도입, 뇌파 분석만으로 '졸음'을 감지하는 알고리즘 개발에 성공했다고 27일 밝혔다.

한국도로공사 통계에 따르면 최근 10년간 고속도로 교통사고 발생원인 중 졸음운전이 1위(22.5%)일 정도로 상당히 큰 비중을 차지한다. 이 때문에 졸음을 판단하고 경고하는 시스템이 개발 필요성이 제기돼왔다.

이에 윤창호 교수팀은 뇌파 신호만을 이용해 순간 졸음을 판단하는 알고리즘을 개발하고자 이번 연구를 진행했다.

연구팀은 평균나이 27세의 건강한 성인 8명(남자 4, 여자 4)을 대상으로 전날 평상시대로 잠을 잔 경우(7시간초과)와 전날 평상시보다 적게 잔(4시간미만) 두 가지 경우에 따라 순간적 졸음을 평가했다. 졸음은 업무수행능력을 확인하는 운동각성반응측정법, 생체신호를 감시하는 안구움직임, 뇌파를 이용해 확인했다.

운동각성반응측정법은 화면에 불빛이 나타나면 이를 인지해 버튼을 누르는 검사로 버튼을 누르기까지 걸린 시간 즉, 반응 속도를 측정하는 방법으로 이뤄졌다.

이와 함께 안구움직임은 눈꺼풀 처짐, 눈 깜박임, 안구움직임을 비디오카메라로 분석하는 검사인데, 눈꺼풀이 처진다거나 눈 깜박임, 안구움직임의 빈도 및 속도 저하는 졸음 상태를 확인했다.

피험자(연구대상자)는 머리에 뇌파센서를 부착한 상태로 자유롭게 생활하면서 약 2시간 마다 총 5번 운동각성반응 및 안구움직임을 측정했다.

각 측정 결과치에 대한 분석 결과 버튼을 누르는 반응 속도 및 안구움직임의 속도가 느려지는 짧은 순간에 뇌파 영역에서도 졸음대역 주파수 변화를 확인했다.

결과적으로 운동각성반응과 안구움직임으로 확인되는 졸음 상태를 뇌파 기록으로 확인할 수 있음을 입증한 셈이다.

여기서 운동각성반응검사는 하던 작업을 멈추고 검사를 따로 진행해 각성상태를 확인한다는 점에서 실제 생활에 적용하기 어렵고, 안구움직임 측정 장치는 주변의 조명, 바람, 습도 등에 의한 영향으로 늘 정확한 결과를 얻기 어렵다.

이에 비해 뇌파는 업무방해 없이 뇌의 자연적 전기 활동을 지속적으로 기록하고 측정할 수 있다는 장점이 있다.

나아가 연구팀은 측정한 뇌파 결과치에 대해 기계 학습을 적용, 2초 이하의 짧은 뇌파 신호만으로 졸음을 예측하는 알고리즘도 개발했다. 이를 통해 실시간 졸음 상태를 모니터링 할 수 있을 뿐 아니라 적절한 시점에 중재(휴식)를 지시하는 알람을 제공할 수도 있다.

윤창호 교수는 "이전까지는 뇌파 신호만을 가지고 졸음을 판단한다는 것에 한계가 있었지만, 이번에 개발한 알고리즘을 통해서는 아주 짧은 뇌파 신호만으로 순간적 졸음을 예측이 가능해 졌다"며 "이 알고리즘은 졸음운전으로 인한 교통사고 등 안전사고 발생률을 감소시키는 데에 크게 기여할 수 있을 것"이라고 설명했다.

연구팀은 더 아나가 철도, 선박, 항공기 등 화물 운송 분야는 인명·재산 피해가 막대한 만큼 연구 결과를 확장해 활용한다면 졸음으로 야기될 수 있는 사고 역시 크게 줄일 수 있을 것으로 내다봤다.

연구팀은 "현재 개발된 알고리즘은 수집 데이터의 종류만 변경하면 다른 분야의 시스템으로도 확장될 수 있으며, 실생활에서도 사용할 수 있도록 무선화·초소형화 하는 연구도 이어나가야 한다"고 전했다.

한편, 이번연구는 분당서울대병원 뇌신경센터 윤창호 교수팀과 서울대학교 공과대학 전기정보공학부 윤성로 교수팀 간 공동 연구로 진행했으며 공학 분야 저명 국제 학술지인 'IEEE Access' 10월호에 발표됐다.