소비자용 스마트워치로 7일 후 공황발작을 예측할 수 있을까?

기본 정보

제목: Panic Attack Prediction Using Wearable Devices and Machine Learning: Development and Cohort Study
저자: Chan-Hen Tsai, Pei-Chen Chen, Ding-Shan Liu, Ying-Ying Kuo, Tsung-Ting Hsieh, Dai-Lun Chiang, Feipei Lai, Chia-Tung Wu
저널: JMIR Medical Informatics
출판연도: 2022
DOI: 10.2196/33063
PMID: 35166679
근거 수준: 코호트 연구

공황장애 환자 59명을 대상으로 Garmin Vivosmart 4 스마트워치와 모바일 앱을 활용하여 7일 내 공황발작을 예측하는 모델을 개발했다. Random Forest 알고리즘이 81.3% 테스트 정확도로 최고 성능을 달성했으며, 설문 점수와 생리 데이터(평균 심박수, 안정 시 심박수, 깊은 수면 시간)의 조합이 가장 예측력이 높았다.

1. 이 연구는 왜 필요했을까

공황발작은 예측 없이 갑자기 발생하여 환자에게 극심한 공포를 유발한다. 발작 발생을 며칠 전에 미리 예측할 수 있다면, 환자가 스트레스 상황을 회피하거나 이완 기법을 선제적으로 적용하는 등의 예방적 대처가 가능해진다. 기존 연구들은 주로 의료용 기기를 사용했으나, 소비자용 스마트워치로도 이러한 예측이 가능한지는 검증되지 않았다.

소비자용 스마트워치가 수집하는 심박수, 수면, 활동 데이터만으로 7일 후 공황발작 발생을 예측할 수 있다면, 일상적 모니터링을 통한 예방이 현실화된다.

특히 공황장애 환자의 51%가 광장공포증(22%)이나 범불안장애(32%) 등 동반질환을 보유하고 있어, 다양한 요인을 종합적으로 고려한 예측 모델이 필요했다.

2. 어떻게 연구했을까

공황장애 진단을 받은 59명의 환자가 Garmin Vivosmart 4 스마트워치를 1년간 착용했다. 스마트워치에서 심박수(평균, 안정 시), 수면(수면 단계, 깊은 수면 시간), 활동 수준(걸음 수) 데이터를 수집했다. 2주마다 BDI(벡 우울 척도), BAI(벡 불안 척도), STAI(상태-특성 불안 척도) 설문을 실시했다. 환경 요인으로 대기질 지수(AQI)도 포함했다.

총 3,249개의 훈련 데이터와 974개의 테스트 데이터를 구축하고, 6개의 서로 다른 ML 알고리즘(Random Forest, SVM, Gradient Boosting 등)을 비교 평가했다. 예측 윈도우는 7일로 설정했다.

3. 무엇을 발견했을까

Random Forest 알고리즘이 81.3%의 테스트 정확도로 최고 성능을 달성했다. 6개 알고리즘 전체의 정확도 범위는 67.4%~81.3%였다.

설문 점수(BAI, BDI, STAI)와 생리 데이터(평균 심박수, 안정 시 심박수, 깊은 수면 시간)의 조합이 가장 강력한 예측인자였다.

테스트 데이터 974건 중 34.2%에서 공황발작이 관찰되었다. 설문과 생리 데이터를 결합했을 때 가장 높은 성능을 보였으며, 생리 데이터만으로도 유의미한 예측력을 보였다. 참여자의 51%가 최소 1개의 정신건강 동반질환을 보유하고 있었으며, 이는 모델의 복잡성을 높이는 요인이었다.

4. 우리 서비스에 어떻게 쓸까

제품 기능

FastingWorks 앱에서 Apple Watch 데이터(심박수, 수면, 활동량)를 활용하여 1주일 단위의 스트레스 예측 트렌드를 제공하는 기능을 고려할 수 있다. 이 연구에서 확인된 핵심 피처인 안정 시 심박수와 깊은 수면 시간의 변동을 추적하여, 주간 단위의 정서 건강 전망을 사용자에게 제공할 수 있다.

콘텐츠 활용

"Garmin 스마트워치 1년 착용 연구가 보여준 것: 공황발작 7일 전 예측"
"심박수와 깊은 수면의 조합: 스트레스 위험 예측의 새로운 접근"

적용 시 주의사항

코호트 연구 수준이며 공황장애 진단 환자 대상 연구이므로, 일반 인구에서의 성능은 다를 수 있다. "공황발작 예측"이라는 직접적 표현은 피하고, "스트레스 위험 추이 모니터링" 수준의 표현이 적절하다.

5. 한계점

59명이라는 중간 규모의 샘플이며, 외부 검증이 수행되지 않았다. 공황장애 환자만을 대상으로 했으므로 일반 인구로의 확장에는 별도 검증이 필요하다. 설문 데이터와 생리 데이터를 함께 사용했을 때 최고 성능이었으나, 실제 앱 환경에서 2주마다 설문을 수행하는 것은 사용자 부담이 될 수 있다. 생리 데이터만으로의 성능을 별도로 최적화하는 방향이 실용적이다.

마무리

이 연구는 소비자용 Garmin 스마트워치 1년 착용 데이터로 7일 후 공황발작을 81%로 예측할 수 있음을 보여준 선구적 연구다. 심박수와 수면 데이터가 공황발작 예측의 핵심 피처임을 확인하여, 소비자용 웨어러블의 정신건강 활용 가능성을 구체적으로 입증했다.