PPG 하나로 혈압을 잴 수 있을까? CNN-BiLSTM 하이브리드 모델의 도전

기본 정보

제목: Cuff-less Blood Pressure Monitoring via PPG Using Hybrid CNN-BiLSTM
저자: (Scientific Reports 게재 저자)
저널: Scientific Reports
출판연도: 2025
DOI: 10.1038/s41598-025-07087-2
PMID: -
근거 수준: 탐색적 분석 (딥러닝 모델 개발 및 검증)

PPG 신호로부터 비침습적 혈압 추정을 위한 하이브리드 CNN-BiLSTM 딥러닝 모델을 제안한 연구이다. 어텐션 메커니즘을 결합하여 PPG 파형의 시간적 특징과 공간적 특징을 동시에 학습한다. 기존 단일 모델 대비 수축기 및 이완기 혈압 추정 오차를 유의미하게 줄였다.

1. 이 연구는 왜 필요했을까

기존 혈압 측정은 상완에 커프를 감아야 하는 불편함이 있다. 특히 24시간 활동 혈압 모니터링(ABPM)은 환자의 수면과 일상생활을 방해하며, 일회성 진료실 측정은 백의 고혈압이나 가면 고혈압을 놓칠 수 있다. 이러한 한계를 극복하기 위해 PPG(광용적맥파) 신호만으로 혈압을 추정하려는 연구가 활발히 진행되어 왔다.

기존 딥러닝 모델들은 CNN이나 LSTM을 단독으로 사용하는 경우가 많았다. CNN은 PPG 파형의 국소적 형태학적 특징을 잘 포착하지만 시간적 의존성을 놓치기 쉽고, LSTM은 시간적 패턴은 잘 학습하지만 세밀한 파형 형태를 간과할 수 있다. 이 연구는 두 가지 접근법을 결합하여 각각의 한계를 보완하고자 하였다.

2. 어떻게 연구했을까

연구진은 CNN(합성곱 신경망)과 BiLSTM(양방향 장단기 메모리)을 결합한 하이브리드 아키텍처를 설계하였다. CNN은 PPG 파형에서 공간적 특징을 추출하고, BiLSTM은 양방향으로 시간적 의존성을 학습한다. 여기에 어텐션 메커니즘을 추가하여 모델이 혈압 추정에 가장 중요한 시점과 특징에 집중할 수 있도록 하였다.

모델 학습과 평가에는 PPG 신호 데이터셋을 사용하였으며, 기존 커프 기반 혈압 측정값을 기준(ground truth)으로 삼았다. 단일 모델(CNN만, LSTM만)과의 성능 비교를 통해 하이브리드 접근의 우위를 검증하였다.

3. 무엇을 발견했을까

하이브리드 CNN-BiLSTM 모델은 기존 단일 모델 대비 수축기 혈압과 이완기 혈압 추정 오차를 유의미하게 줄였다. 어텐션 메커니즘이 PPG 파형의 특정 구간(수축기 피크, 이각 노치 등)에 높은 가중치를 부여하여, 혈압 관련 정보가 집중된 구간을 효과적으로 활용하는 것으로 나타났다.

PPG 단일 채널에서 딥러닝만으로 임상적으로 의미 있는 혈압 추정이 가능하다는 것을 보여주었다.

이 결과는 전통적 커프 기반 측정의 한계를 해결할 수 있는 가능성을 제시하며, 향후 웨어러블 기기에서의 실시간 혈압 모니터링의 기술적 기반을 마련하였다.

4. 우리 서비스에 어떻게 쓸까

제품 기능

PPG 센서를 탑재한 웨어러블 기기에서 혈압 추정 알고리즘의 기초 아키텍처로 참고할 수 있다. 다만 FDA 승인 없이 혈압 수치를 직접 사용자에게 제공하는 것은 불가능하므로, Apple의 HTNF처럼 패턴 기반 알림 형태로의 활용이 현실적이다. PPG 데이터를 수집하여 장기 트렌드 변화를 감지하는 기능의 기술적 근거로 활용할 수 있다.

콘텐츠 활용

"혈압 커프 없이 혈압을 잴 수 있는 시대가 올까?"
"스마트워치 PPG 센서의 숨은 능력: 혈압 추정 기술의 현주소"
"딥러닝이 PPG 파형에서 혈압을 읽는 방법"

적용 시 주의사항

탐색적 분석 수준의 연구이므로, 대규모 외부 검증이 아직 이루어지지 않았다. 혈압 추정 기능을 직접 서비스에 적용하기보다는, 기술 트렌드 교육 콘텐츠나 배경 지식으로 활용하는 것이 적절하다. 혈압 수치를 사용자에게 직접 제공하는 것은 규제 승인 없이 불가능하다.

5. 한계점

이 연구는 PPG 기반 혈압 추정의 가능성을 보여주었지만, 몇 가지 중요한 한계가 있다. 먼저 검증 데이터의 규모와 다양성이 충분하지 않을 수 있다. 다양한 인종, 연령, 질환 상태의 환자를 포함한 대규모 외부 검증이 필요하다.

또한 PPG 신호는 피부 톤, 착용 위치, 움직임, 온도 등 외부 요인에 의해 크게 영향받을 수 있다. 실험실 환경에서의 성능이 실제 일상 환경에서 그대로 재현되기 어려울 수 있으며, 야간 혈압 측정에서의 정확도도 별도로 검증되어야 한다.

마무리

이 연구는 CNN과 BiLSTM을 결합한 하이브리드 딥러닝 모델이 PPG 신호에서 혈압을 추정하는 데 효과적임을 보여주었다. 웨어러블 기반 비침습적 혈압 모니터링 기술의 발전 방향을 제시하지만, 임상 적용을 위해서는 대규모 다기관 검증과 규제 승인 과정이 필수적이다.