손목 체온과 심박수만으로 가임기를 예측할 수 있을까?

기본 정보

제목: Prediction of the Fertile Window and Menstruation with a Wearable Device via Machine-Learning Algorithms
저자: (저자 미상, ScienceDirect 접근 제한)
저널: Reproductive BioMedicine Online
출판연도: 2025
DOI: 10.1016/j.rbmo.2025.104686
근거 수준: 코호트 (전향적 관찰)

손목 착용형 웨어러블 기기에서 수집한 손목 피부 온도(WST)와 심박수 데이터를 기반으로 머신러닝 알고리즘을 훈련하여 가임기와 월경 시작을 예측한 연구다. 규칙적 월경 여성에서 가임기 예측 정확도 85.47%, 특이도 89.77%를 달성했으나, 불규칙 월경 여성에서는 성능이 크게 저하되어 향후 개선이 필요함을 보여주었다.

1. 이 연구는 왜 필요했을까

LH 검사 스트립은 매일 검사해야 하는 번거로움이 있고, 기초체온법은 매일 아침 기상 직후 구강 체온을 측정해야 하는 불편함이 있다. 손목에 착용하는 웨어러블 기기가 수면 중 자동으로 데이터를 수집하여 가임기를 예측할 수 있다면, 사용자 부담을 크게 줄일 수 있다.

"WST와 심박수 데이터 조합이 규칙적 월경 여성에서 효과적인 가임기 예측이 가능함을 입증했다."

이 연구는 비교적 단순한 센서(온도, 심박수)만으로 머신러닝을 통해 어느 수준의 가임기 예측이 가능한지를 정량적으로 평가하고자 했다. 특히 규칙적 주기와 불규칙 주기 여성의 성능 차이를 비교하여 알고리즘의 실제 적용 가능 범위를 파악하려 했다.

2. 어떻게 연구했을까

2021-2022년에 참가자를 모집하여 2개 월경 주기 동안 손목 착용형 웨어러블 기기를 사용하게 했다. 기기는 WST(손목 피부 온도)와 심박수를 연속적으로 측정했으며, HRV와 호흡수 데이터도 함께 수집되었다.

수집된 데이터에 머신러닝 알고리즘을 적용하여 가임기(배란 전후 6일간)와 월경 시작일을 예측하는 모델을 훈련했다. 규칙적 월경 여성과 불규칙 월경 여성으로 나누어 별도 분석을 수행했으며, 정확도, 민감도, 특이도, AUC를 평가 지표로 사용했다.

3. 무엇을 발견했을까

규칙적 월경 여성에서 가임기 예측 정확도는 85.47%로 높은 수준이었으며, 특이도 89.77%, 민감도 70.07%, AUC 0.869를 달성했다. 이는 가임기가 아닌 날을 가임기가 아니라고 정확히 판별하는 능력이 높음을 의미한다.

"불규칙 월경 여성에서는 정확도 79.85%, 민감도 42.79%, AUC 0.763으로 성능이 크게 저하되었다."

불규칙 주기 여성에서의 성능 저하는 예상된 결과이나, 그 폭이 상당했다. 특히 민감도가 42.79%로 크게 낮아져, 실제 가임기를 절반 이상 놓칠 수 있다는 점은 임신 촉진 목적 사용 시 중요한 한계다.

4. 우리 서비스에 어떻게 쓸까

제품 기능

FastingWorks 앱에서 Apple Watch의 손목 온도와 심박수 데이터를 활용하여, 규칙적인 월경 주기를 가진 사용자에 대해 주기 단계별 단식 최적화 가이드를 제공할 수 있다. 다만 불규칙 주기 사용자에 대해서는 정확도 한계를 명시하고, 추가 확인 수단(LH 검사 등)을 병행하도록 안내하는 것이 바람직하다.

콘텐츠 활용

"손목 온도로 배란을 예측할 수 있을까? 규칙적 vs 불규칙 주기의 차이"
"웨어러블 기반 가임기 예측의 정확도: 어디까지 믿을 수 있나"

적용 시 주의사항

전향적 코호트 연구이므로 "~와 관련이 있는 것으로 보인다" 수준의 표현이 적절하다. 불규칙 주기 사용자에 대해서는 "예측 정확도가 제한적일 수 있습니다" 등의 안내가 반드시 필요하다.

5. 한계점

2개 월경 주기만 추적했으므로 장기적 예측 안정성에 대한 검증이 부족하다. 불규칙 월경 여성에서의 낮은 민감도(42.79%)는 실용적 적용에 중대한 제약이며, PCOS 등 배란 장애 환자에서의 성능은 검증되지 않았다.

앱에서 가임기 예측 기능을 제공할 때는 규칙적 주기 사용자와 불규칙 주기 사용자에 대해 다른 수준의 신뢰도를 안내해야 하며, 피임 목적 사용은 권장하지 않아야 한다.

마무리

이 연구는 손목 웨어러블의 체온과 심박수 데이터만으로 규칙적 주기 여성에서 85%의 가임기 예측 정확도를 달성할 수 있음을 보여주었다. 불규칙 주기에서의 성능 개선이 향후 핵심 과제이며, 더 다양한 생체 지표의 통합과 알고리즘 고도화가 필요하다.