감성과학에서 인간의 감성을 손쉽게 측정할 수 있는 기술이나 기법 등은 매우 중요한 분야이다. 최근 마음의 변화는 몸의 변화를 수반한다(정신신경증면역내분비학, psychoneuroimmunoendocrinology)는 전제하에 인간 감성을 체액을 통해서 측정하는 시도가 이루어지고 있다. 몸의 변화 중에 최근까지 가장 많이 연구된 것은 스트레스에 관한 것으로 이를 측정하는 지표로는 코티졸(cortisol)이라는 물질이 널리 알려져 오고 있다. 코티졸을 측정하는 기존의 방법을 열거하면 High Performance Liquid Chromatography (HPLC), fluorometric assay, reverse phase chromatography 등이 대표적인데 모두 시간이 많이 걸리고 가격이 비싸며 휴대용이 아니기에 POCT (point of care testing)에 적합하지 않다. 이에 본 연구진은 소형 초고주파 공진 소자를 만들어 타액 속의 코티졸을 측정할 수 있는 항체를 고정하고 이것이 코티졸과 결합할 때 나오는 공진신호를 읽음으로써 환자의 타액 속 코티졸을 쉽고 빠르게 측정할 수 있는 기법을 소개한다. 본 연구를 위해 제안된 공진소자는 밀리미터 크기의 소자로서 제작이 용이하며 간단한 형태이다. 최종적으로 소자표면상에 결합되는 코티졸 농도변화(100, 10, 1, 0.1 ng/ml)에 따라 거의 선형적인 주파수응답(11, 10, 9, 7 MHz) 특성을 보인다. 100 pg/ml에 해당하는 적은 코티졸의 양까지 거의 실시간에 가까운 빠른 시간 안에서 쉽게 검출이 가능하며, 뿐만 아니라 표지(labeling)가 필요 없는 장점을 가지고 있다. 이러한 농도에 따른 주파수 변화를 기반으로 하는 코티졸 감성지표센서는 무선단말시스템에 적용될 수 있는 가능성과 응용성을 가지고 있다.

감성은 외부의 물리/화학적인 자극에 대한 인간 내부의 고차원적인 심리적 체험으로 기쁨, 슬픔, 쾌적, 불쾌 등에 대한 복합적인 감정이라 할 수 있다. 감성연구의 가장 큰 어려움은 측정의 문제이다. 기존 감성측정은 자기보고, 인터뷰, 뇌파 및 자율 신경계 반응, 심장혈관 활동도 등에 국한되어 있다. 최근 나노마이크로 기술의 발달과 함께 미래에는 체액 내 감성 바이오마커를 찾아내고 그것의 유무와 뇌 과학 연구결과와의 상관관계를 규명하고 피 한 방울로 인간의 심리상태를 정확히 파악할 수 있는 초소형 감성진단칩(emotion-on-a-chip)을 개발하게 할 수 있을 것으로 기대된다. 또한 종이를 이용한 종이 미세유체(paper microfluidic) 기술이 발달하고 이를 이용한 질병진단을 할 수 있음이 보고된 바 있다. 종이기반 미세유체채널은 그 제작비용이 저렴하며, 누구나 손쉽게 사용할 수 있어서 미래에 감성진단을 위한 도구로 활용할 수 있다. 본지에서는 아직까지 감성측정분야에 도입되지 않은 종이 미세유체 기술을 소개하고 향후 다양한 감성지표를 측정할 수 있는 아주 간단한 구조의 종이 기반 미세유체 디바이스의 설계 및 제작에 대해 기술한다.

감성과학은 현대 사회에서 점차 중요한 부분을 차지하고 있는 과학, 공학적 영역이다. 감성은 외부의 물리/화학적인 자극에 대한 인간 내부의 고차원적인 심리적 체험으로 기쁨, 슬픔, 쾌적, 불쾌 등에 대한 복합적인 감정이라 할 수 있다. 그러나 감성연구의 가장 큰 어려움은 측정의 문제이다. 기존 감성 측정은 자기보고, 인터뷰, 뇌파 및 자율 신경계 반응, 심장혈관 활동도 등에 국한되어 있고 여전히 객관적인 측정이라 할 수 없다. 따라서 우리는 혈액, 침, 땀 등의 체액을 이용해 실시간으로 인간의 감성을 정확하게 측정하는 Eomotion-on-a-chip (EOC)로 명명한 새로운 이름의 바이오칩 기술에 대해 제안한다. EOC는 감성을 측정하기 위한 바이오 마커와 신호를 얻기 위한 전극, 신호를 변환하기 위한 변환기, 그리고 측정의 결과를 보여주는 부분으로 구성된다. 최근 나노/마이크로 기술의 발달은 체액 내 감성 바이오 마커를 찾아내고 그것의 유무와 뇌과학 연구결과와 의 상관관계를 규명하고 미래에 피 한 방울로 인간의 심리상태를 정확히 파악 할 수 있는 초소형 감성진단칩을 개발하게 할 수 있다. 본 논문은 이제 막 연구가 시작되고 있는 미래 바이오칩기술의 하나인 EOC의 개념을 보고하는 리뷰논문이다.

In this study, we compared the prediction performances according to the bias and dispersion of temperature using ensemble machine learning. Ensemble machine learning is meta-algorithm that combines several base learners into one prediction model in order to improve prediction. Multiple linear regression, ridge regression, LASSO (Least Absolute Shrinkage and Selection Operator; Tibshirani, 1996) and nonnegative ride and LASSO were used as base learners. Super learner (van der Lann et al ., 1997) was used to produce one optimal predictive model. The simulation and real data for temperature were used to compare the prediction skill of machine learning. The results showed that the prediction performances were different according to the characteristics of bias and dispersion and the prediction error was more improved in temperature with bias compared to dispersion. Also, ensemble machine learning method showed similar prediction performances in comparison to the base learners and showed better prediction skills than the ensemble mean.