스마트워치 PPG와 가속도계만으로 수면 단계를 분류할 수 있을까?

기본 정보

제목: Smartwatch sensor-based sleep stage classification algorithm
저자: (저자명 미상)
저널: Sleep Medicine (ScienceDirect)
출판연도: 2024
DOI: 10.1016/j.sleep.2024.05.033
PMID: -
근거 수준: 코호트 연구
URL: doi.org

이 연구는 Samsung 스마트워치의 PPG와 가속도계 신호만을 사용하여 건강인과 수면무호흡 환자 모두에서 수면 단계를 분류하는 RNN 기반 모델을 개발했다. 1,522명의 다양한 야간 기록에서 검증하여 임상적 다양성을 확보했으며, 기기 내 실시간 예측에 최적화된 경량 모델을 구현했다.

1. 이 연구는 왜 필요했을까

수면 단계 분류의 금본위(gold standard)인 수면다원검사(PSG)는 EEG(뇌파), EOG(안구 운동), EMG(근전도) 등 다수의 센서를 두피와 얼굴에 부착해야 한다. 이는 일상적인 수면 모니터링에 적합하지 않으며, 스마트워치처럼 비침습적인 도구로 수면 단계를 파악할 수 있다면 사용자 경험이 크게 개선된다.

기존 스마트워치 수면 알고리즘들은 대부분 건강한 젊은 성인에서만 검증되었고, 수면 장애 환자에서의 성능은 불확실했다.

이 연구는 건강인뿐만 아니라 수면무호흡 환자를 포함한 이질적 집단에서 스마트워치 수면 단계 분류를 검증하고자 했다.

2. 어떻게 연구했을까

연구진은 다양한 Samsung Galaxy Watch 버전을 사용하여 1,522명의 야간 수면 데이터를 수집했다. 참여자는 건강인과 수면무호흡 환자를 모두 포함하는 이질적 집단이었다. PPG 신호에서 심박수, HRV(심박 변동성) 등의 특성을, 가속도계에서 체동 관련 특성을 추출하여 총 23개의 입력 특성을 구성했다.

RNN(순환 신경망)을 선택한 이유는 수면 단계가 시간적 순서를 가지기 때문이다. 이전 에폭의 수면 상태가 다음 에폭에 영향을 미치므로, 순차적 패턴을 학습하는 RNN이 적합하다. 30초 에폭 단위로 Wake, Light(N1+N2), Deep(N3), REM의 4단계를 분류하도록 모델을 훈련했다.

3. 무엇을 발견했을까

RNN 모델은 건강인과 수면무호흡 환자 모두에서 경량/고속 수면 단계 분류가 가능한 성능을 달성했다. 특히 기기 내 실시간 예측에 필요한 낮은 연산 부하를 유지하면서도 기존 연구들과 유사한 수준의 정확도를 보였다.

1,522명의 이질적 집단에서 검증된 실용적 스마트워치 알고리즘으로, 수면무호흡 환자 포함이 임상 적용 가능성을 높였다.

이질적 집단에서의 검증은 기존 연구 대비 큰 강점이다. 수면 장애 환자에서 알고리즘 성능이 저하되는 것은 알려진 문제인데, 이 연구는 환자군을 훈련 데이터에 포함함으로써 이 문제를 어느 정도 완화했다.

4. 우리 서비스에 어떻게 쓸까

제품 기능

FastingWorks 앱에서 Samsung Galaxy Watch 사용자를 위한 수면 단계 분석 기능을 설계할 때, Samsung Health의 수면 데이터를 직접 활용할 수 있다. 단식 패턴과 수면 단계 분포의 상관관계를 분석하여 "단식이 깊은 수면에 미치는 영향" 같은 인사이트를 제공할 수 있다.

콘텐츠 활용

"스마트워치가 알려주는 수면의 질: 수면 단계 분류의 과학"
"수면무호흡이 있어도 스마트워치 수면 분석이 유용할까?"
"단식과 깊은 수면의 관계를 스마트워치로 추적하기"

적용 시 주의사항

코호트 연구 수준의 근거로, "연구에 따르면 스마트워치 센서로 수면 단계를 구분할 수 있는 것으로 나타났습니다"라는 표현이 적절하다. 다만 개인 수준에서는 PSG 대비 상당한 편차가 있을 수 있으므로, 수면 단계 데이터를 절대적 수치보다 추세 변화를 파악하는 용도로 안내해야 한다.

5. 한계점

구체적인 성능 수치(정확도, kappa 계수)가 이 요약에서 제한적으로 제공되어 있어, 다른 상용 기기와의 직접 비교가 어렵다. Samsung 스마트워치에 특화된 알고리즘이므로, Apple Watch나 다른 기기에 바로 적용할 수 없다.

또한 N1(수면 진입 단계)을 N2와 통합하여 Light sleep으로 분류하는 것은 업계 표준이지만, 수면 진입 패턴의 미세한 변화를 포착하지 못하는 한계가 있다. 앱에서 "수면 시작까지 걸린 시간" 기능을 제공할 때 이 점을 고려해야 한다.

마무리

이 연구는 대규모 이질적 집단에서 검증된 실용적 스마트워치 수면 단계 분류 알고리즘을 제시했다. 수면무호흡 환자를 포함한 검증이 임상적 활용 가능성을 높였으며, 스마트워치 기반 수면 모니터링의 실질적 활용 근거를 제공한다.