코로나바이러스 호흡 분석기(coronavirus breathalyzer)는 COVID-19를 유발하는 바이러스인 SARS-CoV-2의 존재를 사람의 호기에서 감지하도록 설계된 진단 기기이다. 실험실 처리가 필요하고 불편할 수 있는 기존의 비강 면봉 검사와 달리, 호흡 분석기 장치는 진료 현장에서 신속하고 비침습적인 결과를 제공하는 것을 목표로 한다. 이 개념은 바이러스 감염이 호흡의 화학적 구성에 변화를 일으켜 휘발성 유기 화합물(VOC) 또는 민감한 센서나 분광 기술로 측정할 수 있는 기타 분자 시그니처를 생성한다는 사실을 활용한다.
코로나바이러스 호흡 분석기의 개발은 2020년 초에 시작된 COVID-19 팬데믹 기간 동안 가속화되었다. 전 세계의 연구자와 기업들은 이 기술을 공항, 직장, 공공 장소에서의 대규모 선별 검사를 위한 잠재적 도구로 추구했다. 여러 프로토타입이 시연되었지만, 규제 승인과 광범위한 배포는 제한적이었으며, 대부분의 장치는 2025년 기준으로 실험 또는 시범 단계에 머물러 있다.
감지 원리
코로나바이러스 호흡 분석기는 일반적으로 화학적 감지 또는 광학 분광법이라는 두 가지 주요 원리 중 하나로 작동한다. 화학적 감지 접근 방식은 종종 나노물질이나 전도성 폴리머를 기반으로 하는 센서 어레이를 사용하여 호흡의 특정 VOC에 반응한다. 사람이 장치로 숨을 내쉬면 센서는 전기적 또는 광학적 변화 패턴을 생성하며, 기계 학습 알고리즘이 이를 해석하여 바이러스 양성 또는 음성으로 샘플을 분류한다.
라만 분광법이나 적외선 흡수와 같은 광학 분광법은 빛이 샘플과 상호 작용하는 방식을 측정하여 호흡의 분자 구성을 분석한다. 이러한 기술은 특정 알데히드, 케톤 및 기타 대사 부산물을 포함하여 SARS-CoV-2 감염과 관련된 특정 바이오마커를 식별할 수 있다. 두 접근 방식 모두 확인된 COVID-19 환자와 건강한 대조군의 호흡 샘플로 훈련된 Machine learning 모델을 자주 사용하는 정교한 데이터 처리를 필요로 한다.
주요 프로토타입 및 연구
가장 초기의 주목할 만한 노력 중 하나는 2020년에 금 나노입자를 사용하여 호흡 분석기 프로토타입을 개발한 콜로라도 볼더 대학(University of Colorado Boulder)의 연구자들로부터 나왔다. 이 장치는 소규모 환자 집단을 대상으로 테스트되었으며, 표본 크기는 제한적이었지만 감염된 개인과 건강한 개인을 구별하는 데 높은 정확도를 보여주었다. 또 다른 주목할 만한 프로젝트는 이스라엘 공과대학(Technion)의 과학자들이 센서 어레이를 사용하여 호흡 VOC를 분석하는 휴대용 장치를 만든 것으로, 임상 시험에서 90% 이상의 민감도와 특이도를 보고했다.
2021년, 미국 식품의약국(FDA)은 InspectIR Systems가 개발한 질량 분석 기반 장치인 InspectIR COVID-19 Breathalyzer에 긴급 사용 승인(EUA)을 부여했다. 이는 미국에서 이러한 승인을 받은 최초의 호흡 분석기였다. 기내 반입 수하물 크기 정도인 이 장치는 3분 이내에 결과를 생성할 수 있었고 일부 검사 장소에 배치되었지만, 부피가 커서 광범위한 채택은 제한되었다.
University of Oxford의 팀과 인도의 Bhabha Atomic Research Centre 센터 팀을 포함한 다른 연구 그룹은 대체 감지 방법을 탐구했다. 옥스포드 그룹은 광섬유와 기계 학습의 조합을 사용하여 호흡 응축물에서 바이러스 RNA 단편을 감지한 반면, 인도 연구자들은 바이러스의 스파이크 단백질을 감지할 수 있는 전기화학 센서에 초점을 맞췄다.
장점 및 한계
호흡 분석기 테스트는 기존 방법에 비해 몇 가지 잠재적 장점을 제공한다. 비침습적이어서 비강 면봉의 불편함을 없애고, 몇 시간이나 며칠이 아닌 몇 분 안에 결과를 제공할 수 있다. 따라서 공항 보안 검색대나 대규모 공공 행사와 같은 높은 처리량의 선별 검사 시나리오에 적합하다. 또한 호흡 샘플은 혈액이나 타액보다 수집하기 쉬워 운영자에게 최소한의 교육만 필요하다.
그러나 상당한 한계가 남아 있다. 호흡 분석기의 정확도는 주변 공기 질과 같은 환경 요인과 식단, 흡연 또는 기타 건강 상태로 인한 호흡 구성의 개인별 차이에 의해 영향을 받을 수 있다. 많은 초기 프로토타입이 통제된 연구에서는 높은 정확도를 보였지만 실제 환경에서는 덜 신뢰할 수 있게 수행되었다. 또한 장치는 교정과 유지 관리가 필요한 경우가 많으며 비용이 광범위한 사용을 어렵게 만들 수 있다. 규제 장벽도 채택을 늦추었는데, 보건 당국이 민감도와 특이도에 대한 엄격한 검증을 요구했기 때문이다.
인공지능과의 통합
호흡 분석기 데이터의 해석은 Artificial intelligence 및 Deep learning 기술에 크게 의존한다. 센서 어레이는 전통적인 통계 방법으로 분석하기 어려운 복잡하고 고차원적인 신호를 생성한다. 연구자들은 감염과 관련된 패턴을 식별하기 위해 대규모 호흡 샘플 데이터 세트에서 Neural network 모델(包括 Residual Network (ResNet) 아키텍처)을 훈련시켰다. 이러한 모델은 혼란 변수를 고려하고 더 많은 데이터가 제공됨에 따라 시간이 지남에 따라 분류 정확도를 향상시킬 수 있다.
일부 개발자는 훈련 목적으로 호흡 프로필을 시뮬레이션하기 위해 Generative AI를 사용하여 대규모 임상 코호트의 필요성을 줄이는 방안을 모색했다. 다른 이들은 클라우드 연결 없이 실시간 분석을 가능하게 하기 위해 Qualcomm 또는 Arm Holdings의 특수 칩과 같은 온디바이스 처리를 구현했다. Machine learning의 통합은 유사한 VOC 시그니처를 생성할 수 있는 COVID-19를 다른 호흡기 감염과 구별하는 데 중요했다.
향후 방향
2025년 기준으로 코로나바이러스 호흡 분석기 중 전 세계적으로 상업적 성공을 거둔 제품은 없지만 연구는 계속되고 있다. COVID-19 팬데믹은 호흡 기반 진단에 대한 지속적인 관심을 촉발했으며, 그 적용 범위는 코로나바이러스를 넘어 인플루엔자와 결핵을 포함한 다른 감염성 질환으로 확장되고 있다. 특히 저비용 일회용 센서 개발과 같은 센서 기술의 발전은 호흡 분석기를 더욱 접근 가능하게 만들 수 있다. 또한 Model Pruning 및 Data Augmentation 기술의 개선은 이러한 장치에 사용되는 AI 모델의 견고성을 향상시킬 수 있다.
규제 기관은 또한 호흡 기반 진단을 평가하기 위한 더 명확한 프레임워크를 개발하고 있어 향후 승인 절차를 간소화할 수 있다. 팬데믹의 즉각적인 긴급성은 완화되었지만, 신속하고 비침습적인 선별 검사의 잠재력은 공중 보건 대비에 여전히 매력적이다. MIT CSAIL 및 Stanford AI Lab과 같은 학술 기관과 산업 파트너 간의 지속적인 협력은 기술을 개선하고 현재의 한계를 해결하는 것을 목표로 한다.