스마트워치가 임신을 알아챌 수 있을까? 행동 데이터 파운데이션 모델의 가능성

기본 정보

제목: Beyond Sensor Data: Foundation Models of Behavioral Data from Wearables Improve Health Predictions
저자: Eray Erturk, Fahad Kamran, Salar Abbaspourazad, Sean Jewell, Harsh Sharma, Yujie Li, Sinead Williamson, Nicholas J Foti, Joseph Futoma
저널: arXiv (ICML 2025 accepted)
출판연도: 2025
DOI: arXiv:2507.00191
근거 수준: 프리프린트 (피어리뷰 미완료)
URL: arxiv.org

Apple Heart and Movement Study 데이터를 기반으로 개발된 Wearable Behavior Model(WBM)은 161,855명의 25억 시간 이상의 웨어러블 데이터를 사전학습하여 임신을 포함한 57개 건강 예측 과제에서 성능을 평가했다. 행동 데이터와 PPG 센서 데이터를 결합한 하이브리드 모델이 임신 감지에서 92% 정확도(AUC 0.92)를 달성했다. 아직 프리프린트 상태이지만, 단일 센서 데이터가 아닌 장기적 행동 패턴을 포착하는 새로운 접근법으로 주목받고 있다.

1. 이 연구는 왜 필요했을까

기존 웨어러블 건강 예측 모델은 심박수나 체온 같은 개별 센서 데이터에 의존하는 경우가 대부분이었다. 그러나 임신과 같은 복합적인 생리적 변화는 활동량, 수면 패턴, 보행 방식 등 다양한 행동 지표가 함께 변화하는 특성을 갖는다. 단일 지표만으로는 이런 복합적 변화를 충분히 포착하기 어려웠다.

"행동 데이터는 개인의 건강 상태를 반영하는 풍부한 정보를 담고 있으며, 이를 파운데이션 모델로 통합하면 기존 센서 기반 접근법의 한계를 극복할 수 있다."

대규모 언어 모델이 텍스트 데이터에서 범용적인 표현을 학습하듯, 웨어러블 행동 데이터에서도 건강 상태를 예측하는 범용 모델을 만들 수 있다는 가설에서 출발한 연구다. Apple Watch를 착용한 수십만 명의 실제 생활 데이터를 활용하여, 임신 감지를 포함한 다양한 건강 예측 과제에서 이 가설을 검증하고자 했다.

2. 어떻게 연구했을까

연구팀은 Apple Heart and Movement Study 참가자 161,855명의 데이터를 활용하여 Mamba-2 아키텍처 기반의 파운데이션 모델을 개발했다. 모델의 입력은 활동량, 수면 시간, 심박수, 보행 속도 등 27개 행동 지표로 구성되었으며, 25억 시간 이상의 데이터로 사전학습을 진행했다.

임신 감지 과제에서는 385명 참가자의 430건 임신 사례를 양성 데이터로, 24,000명 이상의 비임신 여성을 대조군으로 사용했다. 행동 데이터만 사용한 모델과 PPG 센서 데이터(단기 생리 신호)를 결합한 하이브리드 모델을 각각 평가하여 성능을 비교했다.

모델 평가는 57개 건강 예측 과제에 걸쳐 수행되었으며, 임신 감지 외에도 당뇨, 감염, 부상 등 다양한 건강 상태를 포괄했다. 각 과제별로 AUC(Area Under the Curve)를 핵심 성능 지표로 사용했다.

3. 무엇을 발견했을까

임신 감지에서 하이브리드 모델은 AUC 0.92를 달성했다. 이는 행동 데이터와 PPG 센서 데이터를 결합했을 때의 결과로, 행동 데이터만 사용한 모델보다 높은 성능을 보였다.

"보행 변화, 이동성 감소, 수면 장애가 임신의 주요 조기 신호로 식별되었다."

흥미로운 점은 임신 감지가 57개 과제 중 가장 높은 성능을 보인 과제 중 하나였다는 것이다. 당뇨 감지는 AUC 0.82, 감염 감지는 0.76, 부상 감지는 0.69로, 임신이 웨어러블 데이터에서 가장 뚜렷한 행동 패턴 변화를 만들어내는 건강 상태 중 하나임을 시사한다.

이 결과는 임신이 단일 생리 지표의 변화가 아니라 활동량, 수면, 보행 등 전반적인 생활 패턴의 변화를 수반하기 때문에, 이런 복합적 변화를 통합적으로 분석하는 파운데이션 모델이 특히 효과적임을 보여준다.

4. 우리 서비스에 어떻게 쓸까

제품 기능

FastingWorks 앱에서 Apple Watch 데이터를 기반으로 사용자의 행동 패턴 변화를 장기적으로 추적하고, 임신 가능성이 감지될 경우 단식 프로토콜을 자동으로 조정하는 기능을 고려할 수 있다. 임신 중 간헐적 단식은 의학적 주의가 필요한 영역이므로, 조기 감지를 통해 사용자에게 적절한 안내를 제공하는 것이 중요하다.

콘텐츠 활용

"내 Apple Watch가 임신 테스트기보다 먼저 알 수 있을까?"
"웨어러블이 포착하는 임신 초기 신호: 보행 변화부터 수면 패턴까지"
"임신과 단식: 스마트워치 데이터가 알려주는 몸의 변화"

적용 시 주의사항

이 연구는 프리프린트 상태로 아직 피어리뷰를 거치지 않았다. 따라서 앱 내에서 "임신이 감지되었습니다"와 같은 단정적 표현은 절대 사용해서는 안 되며, "건강 패턴에 변화가 감지되었습니다. 전문의와 상담을 권합니다" 수준의 안내가 적절하다. 대규모 전향적 검증이 완료되기 전까지는 참고 정보 수준으로만 활용해야 한다.

5. 한계점

이 연구는 프리프린트으로서 피어리뷰가 완료되지 않았으므로, 결과의 재현성과 일반화 가능성에 대한 독립적 검증이 필요하다. 임신 데이터셋의 양성 사례가 430건으로, 대규모 파운데이션 모델의 학습 데이터 규모에 비해 임신 관련 데이터는 상대적으로 제한적이다.

또한 연구 참가자가 Apple Heart and Movement Study 참여자로 한정되어 있어 인종, 사회경제적 배경의 다양성이 제한될 수 있다. 임신 외 다른 원인(감염, 스트레스, 약물 등)으로 유사한 행동 패턴 변화가 나타날 수 있으므로 오탐지 위험도 고려해야 한다. 앱에서 활용할 때는 반드시 "임신 가능성" 수준의 탐색적 신호로만 다루어야 한다.

마무리

Apple의 WBM 연구는 웨어러블 데이터를 활용한 임신 감지가 92%의 높은 정확도로 가능할 수 있음을 보여준 선구적 시도다. 단일 센서가 아닌 복합 행동 패턴의 장기적 변화를 파운데이션 모델로 분석하는 접근법은 향후 다양한 건강 예측 응용에 중요한 방향성을 제시한다. 다만 프리프린트 단계이므로, 독립적 검증과 규제 승인이 필요한 영역이다.