기초체온에 심박수를 더하면 가임기 예측이 나아질까?

기본 정보

제목: Tracking of Menstrual Cycles and Prediction of the Fertile Window via Measurements of Basal Body Temperature and Heart Rate as well as Machine-Learning Algorithms
저자: Luo et al.
저널: Reproductive Biology and Endocrinology
출판연도: 2022
DOI: 10.1186/s12958-022-00993-4
근거 수준: 코호트 (전향적 관찰)

Huawei Band 5와 이어 체온계를 사용하여 114명의 여성(규칙적 89명, 불규칙 25명)에서 기초체온(BBT)과 심박수 데이터를 수집하고, 머신러닝으로 가임기를 예측한 연구다. 심박수 데이터를 BBT에 추가하면 가임기 예측의 정확도, 민감도, 특이도, AUC가 모두 향상됨을 입증하여, 멀티파라미터 접근의 가치를 확인했다.

1. 이 연구는 왜 필요했을까

기초체온(BBT) 측정은 오랜 역사를 가진 가임력 추적 방법이지만, 단독으로 사용할 때 정확도에 한계가 있다. BBT는 배란 후 프로게스테론의 영향으로 상승하므로 사후 확인에 가깝고, 개인 간 변이도 크다.

"심박수 데이터를 BBT에 추가하면 가임기 예측 정확도, 민감도, 특이도, AUC 모두 향상된다."

저비용 웨어러블 밴드(Huawei Band 5, 약 30-50달러)에서 수집한 심박수 데이터가 BBT의 한계를 보완할 수 있다면, 비용 효율적인 가임력 추적 솔루션이 가능해진다. 이 연구는 중국의 대형 산부인과 병원에서 전향적으로 수행된 점에서도 의미가 있다.

2. 어떻게 연구했을까

상해 국제평화부녀아동의원에서 2020년 8월부터 11월까지 참가자를 모집했다. 규칙적 월경을 가진 89명의 305개 주기와 불규칙 월경을 가진 25명의 77개 주기를 분석 대상으로 했으며, 초음파로 확인된 배란이 있는 주기만 포함했다.

참가자들은 Huawei Band 5를 착용하여 심박수를 지속적으로 측정하고, 이어 체온계(고막 온도계)로 매일 아침 BBT를 측정했다. 수집된 데이터를 기반으로 BBT 단독 모델과 BBT+심박수 통합 모델을 각각 훈련하여 가임기 예측 성능을 비교했다.

3. 무엇을 발견했을까

BBT와 심박수 모두 가임기에서 난포기 대비 유의하게 높았으며, 황체기에서 최고치에 도달했다(P < 0.001). 중요한 발견은 심박수를 BBT에 추가했을 때 예측 성능이 전반적으로 향상된 것이다.

"멀티파라미터 접근(BBT + 심박수)이 BBT 단독 대비 예측력을 향상시켰으며, 저비용 웨어러블로도 유의미한 결과를 도출할 수 있었다."

두 지표의 변화 시점과 폭이 약간 다르기 때문에, 서로 보완적인 정보를 제공하는 것으로 해석된다. BBT는 프로게스테론에 의한 체온 상승을, 심박수는 자율신경 변화를 반영하여, 각기 다른 생리적 기전에서 가임기 관련 정보를 포착한다.

4. 우리 서비스에 어떻게 쓸까

제품 기능

FastingWorks 앱에서 Apple Watch의 심박수 데이터와 사용자가 입력하는 체온 데이터를 결합하여 가임기 추정 정확도를 높일 수 있다. Apple Watch Series 8 이상의 손목 체온 센서 데이터를 활용하면 별도의 체온 입력 없이도 멀티파라미터 모델을 구현할 수 있다.

콘텐츠 활용

"체온만으로는 부족하다: 심박수가 배란 예측에 더하는 가치"
"3만 원대 스마트밴드로도 가임기를 예측할 수 있을까?"

적용 시 주의사항

전향적 코호트 연구이므로 "~와 관련이 있는 것으로 보인다" 수준의 표현이 적절하다. 초음파로 배란을 확인한 주기만 포함했으므로 무배란 주기에서의 적용은 별도 검증이 필요하다.

5. 한계점

규칙적 주기 89명, 불규칙 주기 25명으로 표본 크기가 제한적이며, 모든 참가자가 중국 단일 기관에서 모집되어 인종적 다양성이 부족하다. 초음파로 확인된 배란 주기만 포함했으므로 무배란 주기에서의 알고리즘 성능은 알 수 없다.

Huawei Band 5에서 수집된 심박수 데이터의 정확도가 의료용 기기와 다를 수 있으며, 기기별 차이가 결과에 영향을 미쳤을 가능성이 있다. Apple Watch 데이터에 적용하려면 별도의 검증이 필요하다.

마무리

이 연구는 BBT에 심박수를 추가하는 것만으로도 가임기 예측이 향상됨을 전향적으로 입증했다. 저비용 웨어러블에서도 유의미한 결과를 도출한 점은 접근성 측면에서 의미가 크며, 멀티파라미터 접근의 가치를 실증적으로 보여준 연구다.