Apple Watch의 고혈압 알림 기능

쉬운 안내: 아래 본문은 원문 내용을 모두 유지한 번역문입니다. 각 섹션 시작에 붙는 쉬운 설명만 추가로 읽으면 핵심 맥락을 더 빠르게 이해할 수 있습니다.

2025년 9월

Apple Inc.

개요

쉬운 설명 이 문서의 전체 요약입니다. 기능이 무엇이고, 어떻게 작동하며, 누구를 대상으로 하는지 개괄합니다. 바쁘면 이 섹션만 읽어도 핵심을 파악할 수 있습니다. 핵심: PPG(손목 피부에 빛을 쏘아 혈류 변화를 읽는 기술) 데이터를 30일간 분석하여 고혈압 패턴을 감지하고, 혈압 수치 자체는 표시하지 않습니다.

Apple Watch는 사용자가 자신의 건강을 이해하고 개선할 수 있도록 설계된 다양한 기능을 갖춘 인기 있는 웨어러블 기기입니다. Apple Watch 출시 이후 심장 건강은 시계와 건강 앱 경험의 핵심 요소였으며, 여기에는 심박수 측정, 높은/낮은 심박수 알림, 불규칙한 심장 박동 알림, ECG 앱, 심방세동 이력, 심폐 체력 추적이 포함됩니다. 이러한 각 기능은 의료적 주의가 필요할 수 있는 이상 징후 알림을 포함하여 강력한 인사이트를 제공합니다. 고혈압 알림 기능은 Apple Watch가 제공하는 인사이트에 추가되어 만성 고혈압에 대한 인식을 특별히 촉진합니다.

고혈압 알림 -- Apple Watch Series 9 이상 및 Apple Watch Ultra 2 이상(Apple Watch SE 제외)에서 사용 가능 -- 은 사용자가 고혈압 고위험군인지 인식하도록 돕습니다. 이 기능은 깨어 있는 시간 동안 백그라운드에서 수동적으로 작동하며, 개별 30일 구간에 걸쳐 데이터를 분석하여 고혈압 징후를 감지합니다. 보정이 필요하지 않으며, 혈압을 직접 측정하지 않고, 혈압 수치를 사용자에게 표시하지 않습니다. 대신 고혈압 알림 기능은 30일 후 광학 심장 센서 데이터에서 고혈압 징후가 나타나면 사용자에게 알립니다.

고혈압 알림은 이전에 고혈압 진단을 받지 않은 22세 이상의 사용자를 대상으로 합니다. 임신 중 사용을 위한 것이 아닙니다.

본 논문은 피부를 통한 혈액량 변화를 측정하고 다양한 Apple Watch 기능을 지원하는 광용적맥파(손목 피부에 빛을 쏘아 혈류 변화를 읽는 기술)(PPG) 데이터를 사용하여 Apple이 개발한 고혈압 알림 기능의 개발 및 검증을 상세히 기술합니다. 알고리즘은 Apple이 수행하거나 후원한 연구에 참여한 다양한 그룹의 성인으로부터 수집한 대규모 데이터셋을 사용하여 개발되었습니다. 이후 전 세계 규제 제출을 지원하기 위한 피벗(핵심) 연구(인허가를 위한 주요 검증 연구)에서 검증되었습니다.

[Figure: "고혈압 가능성" 알림이 표시된 Heart 앱을 보여주는 Apple Watch]

서론

쉬운 설명 고혈압이 왜 문제인지(전 세계 사망 원인 1위 위험요인), 미진단 비율이 얼마나 높은지를 설명합니다. 핵심 수치: 전 세계 13억 명, 그 중 절반이 자신의 고혈압을 모름. Apple이 이 기능을 만든 동기를 이해하는 배경입니다.

고혈압 -- 즉 높은 혈압 -- 은 장기적 건강 결과에 대한 중요한 위험 요인으로,¹ 전 세계적으로 13억 명 이상의 성인에게 영향을 미칩니다.² 시간이 지남에 따라 치료되지 않은 고혈압은 심장마비, 뇌졸중, 신부전, 시력 상실로 이어질 수 있습니다. 고혈압은 영향을 받는 사람들에게 증상이 거의 나타나지 않고, 단일 진료실 혈압 측정으로는 고혈압을 감지하지 못하는 경우가 많기 때문에 수년간 진단되지 않는 경우가 많습니다. 정기적인 고혈압 선별검사(고혈압 여부를 1차 판별하는 검사)를 권고하는 가이드라인에도 불구하고, 전 세계적으로 고혈압이 있는 성인의 약 절반이 자신의 상태를 인지하지 못하고 있습니다.²

Apple Watch는 만성 고혈압의 징후를 수동적으로 모니터링하고 고혈압 패턴을 보이는 사용자에게 경고함으로써 이 진단 격차를 해소하는 데 도움을 줍니다 -- 사용자가 적극적으로 혈압을 확인하거나 의사를 방문하지 않을 때에도 마찬가지입니다. 사용자가 해야 할 일은 기능을 온보딩하고 Apple Watch를 착용하는 것뿐입니다.

[Figure: "고혈압 가능성" 알림 화면을 보여주는 iPhone, "혈압 기록 설정" 버튼 포함]

머신러닝 기반 PPG 분석

쉬운 설명 PPG(광용적맥파)는 Apple Watch 뒷면 녹색 LED가 혈류 변화를 읽는 기술입니다. 이 장은 그 원시 신호에서 어떻게 고혈압 패턴을 추출하는지 기술적으로 설명합니다. 10만 명 이상의 데이터로 알고리즘을 학습했고, 3단계 파이프라인으로 구성됩니다.

기술 및 기능 설명

고혈압 알림 기능은 Apple Watch가 심장 박동에 대한 혈관 반응 정보를 얻기 위해 기회적으로 수집하는 PPG 데이터를 분석합니다. Apple은 100,000명 이상의 연구 참여자 데이터를 사용하여 30일에 걸쳐 PPG 신호를 검사하여 고혈압이 존재할 수 있는지 평가하는 알고리즘을 개발했습니다. 징후가 감지되면 사용자에게 고혈압 가능성을 알립니다.

전임상 설계 및 알고리즘 테스트

쉬운 설명 알고리즘의 3단계: (1) PPG 신호에서 특징 추출, (2) 고혈압 위험도 점수화, (3) 30일 집계 후 알림 여부 결정. 1단계는 혈압 데이터 없이 자기지도 학습으로 PPG 패턴만 학습한 것이 특징입니다. Apple Heart and Movement Study라는 대규모 연구 데이터를 기반으로 합니다.

고혈압 알림은 고혈압을 나타낼 수 있는 주요 PPG 패턴을 식별하기 위한 머신러닝 기반 알고리즘으로 구동됩니다. 알고리즘은 겹치지 않는 30일 평가 기간 동안 약 2시간 간격으로 수집된 60초 길이의 PPG 신호 세그먼트를 입력으로 사용합니다.

샘플이 처리되기 전에 Apple Watch는 가속도계 데이터를 사용하여 PPG 데이터를 필터링하고, 알고리즘에 필요한 사용자의 정지 상태(앉아 있는 상태) 여부를 판단합니다.

ML 기반 알고리즘은 Figure 1에 표시된 세 가지 핵심 단계로 구성됩니다:

1단계: PPG 특징 추출기(PPG Feature Extractor)는 원시 PPG 데이터를 계층화된 모델을 통해 고혈압 위험을 평가하는 데 사용할 수 있는 일반화 가능한 특성으로 변환합니다. 추출에는 Apple Heart and Movement Study의 대규모 비표지(라벨이 없는) 데이터를 기반으로 한 자기지도 학습(사람이 정답을 지정하지 않고 데이터 자체의 패턴을 학습하는 방법) 방법으로 개발된 딥러닝(DL) 알고리즘이 사용됩니다. 학습 데이터에는 혈압이나 고혈압 데이터가 포함되지 않았으며, PPG 신호 특징 식별에만 집중했습니다.

2단계: 고혈압 위험 점수화(Hypertension Risk Scoring)에서는 PPG 특징 추출기가 생성한 고유 특징을 분석하는 선형 머신러닝 모델 세트가 각 PPG 세그먼트에 대한 고혈압 위험을 점수화합니다. 이 모델 개발에 사용된 데이터셋에는 PPG 데이터와 가정용 혈압 커프에서 수집한 참조 데이터가 포함되었습니다.

3단계: 알림 평가(Notification Assessment)에서는 알고리즘이 알림을 표시할지 여부를 결정합니다. 먼저, 모델이 가장 많은 사용자에게 도달하기 위해 깨어 있는 시간의 PPG 데이터로 학습되었으므로, 수면 중 수집된 샘플을 제외하기 위해 고혈압 위험 점수를 필터링합니다. 나머지 점수는 각 30일 평가 기간에 걸쳐 집계 및 평균화된 후, 알림을 보낼지 결정하기 위해 임계값(고혈압으로 판단하는 기준선)과 비교됩니다.

[Figure 1: HTNF 알고리즘 흐름도 -- 원시 가속도 + 원시 PPG → 신호 필터링 → PPG 입력 → 1단계: PPG 특징 추출기 (신호 전처리 → DL 특징 추출기) → 2단계: 고혈압 위험 점수화 (선형 투영 → 혈압 모델 → 고혈압 모델) → 3단계: 알림 평가 (수면 필터 → 30일 평균 → 임계값 비교 → 알림 결정)]

알고리즘 개발은 검증(Validation) 및 테스트(Test) 세트를 포함한 여러 단계에 걸친 반복적인 학습 및 테스트 과정이었습니다. 개발 후 알고리즘은 고정(locked)되었으며 새로운 데이터에서 학습된 지속적인 변경은 없습니다.

알고리즘 개발을 지원하기 위해 Apple은 나이, 성별, 체질량지수(체중(kg)을 키(m)의 제곱으로 나눈 비만도 지표)(BMI), 인종, 피부 톤, 민족, 고혈압 상태를 포함한 다양한 인구통계학적 특성을 대표하는 참여자들과 함께 7개의 연구를 수행했습니다. 아래 Table 1은 표지 학습, 검증 및 테스트 세트의 참여자 특성을 보여줍니다.

Table 1. 표지 개발 세트의 참여자 인구통계

개발 데이터를 기반으로 수신자 조작 특성(ROC)(민감도와 특이도의 트레이드오프를 시각화하는 곡선) 곡선이 생성되었으며, 높은 특이도(실제 비환자 중 알림을 받지 않는 비율) -- 거짓 양성 최소화 -- 를 우선시하면서도 고혈압이 있는 상당수의 사람들에게 알림을 보낼 수 있는 작동점이 선택되었습니다. 시간이 지남에 따라 고혈압 발생 위험이 있는 사람들을 식별하기 위해 알고리즘은 각 30일 기간 이후 데이터를 분석합니다.

사용성 및 디자인

쉬운 설명 일반 사용자가 알림을 받았을 때 올바르게 이해하고 행동하는지 테스트한 결과입니다. FDA는 OTC(처방전 없이 사용 가능한) 의료기기에 인간공학(human factors) 검증을 요구하기 때문에 포함됩니다. 알림 후 혈압 기록 경험(커프 혈압계 연동)도 여기서 설명합니다.

Apple은 온보딩 및 알림 문구를 포함한 사용자 경험을 최적화하기 위해 개발 전반에 걸쳐 8건의 인간공학(사용자가 기기를 올바르게 이해하고 사용하는지 검증하는 분야)(human factors) 연구를 수행했습니다. 이러한 연구는 직관적인 경험을 구축하는 데 매우 중요했으며 규제 제출에도 포함되었습니다.

고혈압 알림 기능은 건강 앱의 업데이트된 혈압 기록 경험과 연동되며, 알림을 받은 후 표준 혈압 커프와 함께 사용할 수 있습니다. 여기에는 혈압 기록 알림과 미국심장협회(AHA) 및 유럽심장학회(ESC)의 확립된 가이드라인에 기반한 분류가 포함됩니다. 이 기록을 통해 사용자는 임상의의 진단을 지원할 수 있는 추가적인 객관적 근거를 확보할 수 있으며, 알림을 받았지만 고혈압이 없는 사용자를 안심시킬 수도 있습니다.

임상 검증

쉬운 설명 이 장이 논문의 핵심입니다. 2,229명 대상 피벗(핵심) 임상 연구에서 민감도(실제 환자 중 알림을 받는 비율) 41.2%, 특이도(실제 비환자 중 알림을 받지 않는 비율) 92.3%를 달성했습니다. 민감도 41%가 낮아 보이지만, (1) 30일 수동 모니터링이라는 점, (2) 미진단자 대상이라는 점, (3) 더 심한 2기 고혈압에서는 53.7%라는 점에서 해석해야 합니다. 참조 기기: OMRON Evolv 상완 혈압계 (FDA 인허가 제품).

연구 설계

고혈압 알림 기능의 안전성과 유효성을 입증하기 위해 Apple은 2000명 이상의 참여자를 포함한 피벗(핵심)(인허가를 위한 주요 검증 연구), 분산형 임상 연구를 수행했습니다. 이 연구는 "전임상 설계 및 알고리즘 테스트" 섹션에 설명된 검증 단계와는 별개이며 이에 추가되는 것이었습니다. 검증 연구는 기존 고혈압 진단이 없는 성인 참여자를 모집했습니다. 참여자는 두 코호트(동일 조건의 연구 집단)로 등록되었습니다: 알려진 고혈압 위험 요인이 없는 일반 참여자와 과거 혈압 수치 및 기타 위험 요인을 기반으로 고혈압 위험이 있는 참여자.

연구의 주요 목표는 고혈압이 있는 사용자를 식별하는 알고리즘의 성능을 평가하는 것이었습니다. 성능은 참조 기기인 OMRON Evolv 무선 상완 혈압계(Model BP7000, K162092)를 사용하여 30일 동안 가정에서 하루 두 번 측정한 평균 혈압 수치를 기반으로 결정되었습니다. 피험자들은 매일 최소 12시간 동안 Apple Watch를 착용하고 동시에 비교 분석을 위해 OMRON Evolv로 혈압을 측정하도록 지시받았습니다. Apple Watch는 연구 기간 동안 수동적이고 기회적으로 PPG 데이터를 수집했으며, 이 데이터는 고혈압 알림 알고리즘에 의해 처리되었습니다.

Table 2. 가정 혈압 측정 기반 고혈압 분류

피험자들은 AHA 가이드라인에 따라 혈압을 측정했습니다. 30일 평균은 2017년 미국심장학회(ACC)/AHA 가정 혈압 측정 혈압 가이드라인에 따라 분류되었습니다.³

검증 연구는 다음의 공동 주요 안전성 및 유효성 평가변수(연구에서 치료 효과를 판단하는 핵심 지표)를 평가했습니다:

• 1기 또는 2기 참조 고혈압(HTN) 분류에 해당하는 참여자에 대한 알림 민감도(실제 환자 중 알림을 받는 비율)
• 정상 또는 상승 참조 HTN 분류에 해당하는 참여자에 대한 알림 특이도(실제 비환자 중 알림을 받지 않는 비율)

연구 결과

연구에는 모든 주요 혈압 범위 및 고혈압 분류(정상, 혈압 상승, 1기 고혈압, 2기 고혈압)에 걸쳐 2229명의 피험자가 등록되었습니다. 참여자들은 나이, 성별, BMI, 인종 및 민족 하위그룹을 포함한 광범위한 인구통계학적 요인을 대표하여 의도된 사용자 집단을 반영했습니다. 전체 분석 세트에는 등록된 모든 참여자가 포함되었고, 알림 분석 세트에는 주요 평가변수 평가에 사용할 충분한 참조 및 시험 기기 데이터가 있는 참여자가 포함되었습니다.

Table 3. 전체 분석 세트 및 알림 분석 세트의 인구통계

2229명의 참여자 중 1863명이 사용 가능한 데이터 요구사항을 충족하여 주요 평가변수 분석에 기여했습니다. 성능 평가에 포함되지 않은 참여자는 충분한 Apple Watch 또는 참조 데이터가 부족하거나 주요 프로토콜 위반이 있었습니다. 알림 분석 세트에서 585명의 참여자가 고혈압을 보였고, 1278명은 그렇지 않았습니다.

기능의 전체 민감도(실제 환자 중 알림을 받는 비율)는 41.2% (95% CI [37.2%, 45.3%])였으며, 전체 특이도(실제 비환자 중 알림을 받지 않는 비율)는 92.3% (95% CI [90.6%, 93.7%])였습니다. 중요하게도, 정상 혈압인 참여자 중 특이도는 95.3% (95% CI [93.7%, 96.5%])였습니다. 보다 심각하고 적극적인 관리가 필요한 2기 고혈압에 대한 민감도는 53.7% (95% CI [47.7%, 59.7%])였습니다.

Table 4. 결과

하위그룹 결과

쉬운 설명 나이·성별·BMI·피부 톤·인종·민족별로 성능이 어떻게 달라지는지 보여줍니다. 특정 그룹에서 편향(바이어스)이 있는지 확인하는 FDA 필수 분석입니다. 핵심 결과: 성별·인종·피부 톤에서는 공변량 조정 후 임상적으로 의미 있는 차이 없음. 나이가 많거나 BMI가 높을수록 민감도↑, 특이도↓ 경향.

인구통계학적 하위그룹 분석(인구통계 특성별 세분화 분석)은 인구통계학적 범주에 걸친 민감도 및 특이도 비율의 비조정 및 공변량 조정(나이·성별·BMI 등 변수의 불균형을 통계적으로 보정하는 방법) 점추정치와 신뢰구간을 사용하여 수행되었습니다. 이러한 하위그룹 분석에는 사전 지정된 통계적 가설이 연관되지 않았으나, 하위그룹과 분석 자체는 사전 지정되었습니다.

공변량 조정 하위그룹 분석은 하위범주 간 인구통계학적 불균형을 고려하기 위해 수행되었습니다. 분석은 나이, 성별, 체질량지수(BMI), 인종, 수축기 혈압 평균, 이완기 혈압 평균에 대해 조정되었습니다.

비조정 및 조정 하위그룹 분석 결과는 Figure 2와 Figure 3에 예시되어 있습니다. 평가된 각 인구통계학적 특성에 대해 괄호 안에 첫 번째로 나열된 하위범주가 위험비(두 그룹 간 비율 비교 지표)의 분자 역할을 합니다. 예를 들어, 민감도 위험비 0.69는 젊은 연령 그룹(<60세)이 고령 그룹(>=60세)보다 공변량 조정 민감도가 더 낮다는 것을 의미합니다. 특이도 위험비 1.09는 젊은 연령 그룹이 고령 그룹보다 공변량 조정 특이도가 더 높다는 것을 의미합니다. 위험비 1.0은 하위범주 간 동등한 성능을 나타내므로, 95% 신뢰구간이 1.0을 포함하면 차이는 유의하지 않은 것으로 간주되었습니다.

[Figure 2: 민감도의 인구통계학적 하위그룹 분석 -- 하위그룹별 민감도 비율을 보여주는 차트: 성별(여성), 인종(백인, 흑인, 아시아인), 피츠패트릭(5/6), 나이(<60세), BMI(<30), 민족(히스패닉). 비조정 및 공변량 조정 비율이 신뢰구간과 함께 표시됨. 값은 일부 변동을 보이며 1.0 근처에 집중.]

[Figure 3: 특이도의 인구통계학적 하위그룹 분석 -- 하위그룹별 특이도 비율을 보여주는 차트: 성별(여성), 인종(백인, 흑인, 아시아인), 피츠패트릭(5/6), 나이(<60세), BMI(<30), 민족(히스패닉). 비조정 및 공변량 조정 비율이 신뢰구간과 함께 표시됨. 값은 1.0 근처에 집중.]

젊은 나이(<60세)와 낮은 BMI(<30)에서 더 낮은 민감도와 더 높은 특이도가 관찰되었습니다. 중요하게도, 성별, 인종, 피부 톤의 비교에서는 공변량 조정 후 임상적으로 의미 있는 차이가 나타나지 않았습니다. 예를 들어, 아시아인 하위그룹은 비아시아인 참여자에 비해 더 젊고(평균 연령 43.0세 vs. 50.9세) BMI가 더 낮았습니다(평균 BMI 27.7 vs. 30.9). 공변량 조정 후 아시아인의 성능 특성은 비아시아인 참여자와 동등했습니다.

논의

쉬운 설명 결과의 의미와 한계를 정리합니다. 이 기능은 진단이 아닌 선별(의료진 상담이 필요한지 1차 판단하는 것)(triage) 도구입니다. 양성 알림을 받은 사용자는 커프 혈압계로 확인 후 의료진 상담을 권고받습니다. 거짓 양성 중 상당수가 실제로는 "혈압 상승" 범주여서, 알림 자체가 의미 있다는 점도 강조합니다.

임상 검증 결과는 고혈압 알림 기능이 사용자에게 상당한 이점을 제공할 수 있음을 입증했습니다. 선별검사(고혈압 여부를 1차 판별하는 검사)나 진단 검사와 달리, 이 기능은 일반 소비자 웨어러블의 규모에서 기회적이고 수동적으로 백그라운드에서 작동합니다. 고혈압이 있는 사용자의 거의 절반에게 알림을 보내며, 더 위험한 2기 고혈압 범주에서는 그보다 더 많이 알립니다. 이는 심장마비, 뇌졸중, 신장 질환과 같은 고혈압과 관련된 장기적 위험이 고혈압 심각도가 높을수록 증가하기 때문에 중요합니다. 미진단 고혈압 환자가 이 기능에 과도하게 의존하는 것을 방지하기 위해, 온보딩 과정에서 고혈압이 있는 모든 사람이 알림을 받는 것은 아니라는 점을 사용자에게 상기시킵니다.

정상 범주에서의 특이도는 95.3%였으며, 이는 고혈압 없이 알림을 받은 사람들의 상당 부분이 실제로 혈압이 상승한 상태였음을 나타냅니다. 이는 알림이 혈압이 상승한 사용자에게 인식을 촉진하여, 의사와의 사전 대화 및 장기적 위험을 줄이기 위한 생활양식 변화의 혜택을 받을 수 있기 때문에 중요합니다.

인구통계학적 하위그룹 간 비교에서는 고령이거나 BMI가 더 높은 사용자에서 더 높은 민감도와 더 낮은 특이도가 나타났으며, 이는 더 진행된 질환이나 더 높은 위험의 혈관 생리학을 반영할 가능성이 있습니다. 이러한 그룹에서 알림 비율이 더 높겠지만, 더 적극적인 관리와 치료가 정당화됩니다.

결론

Apple Watch는 건강과 웰빙에 초점을 맞춘 많은 기능을 제공합니다. FDA 인허가(FDA의 510(k) 절차를 통해 시판 허가)를 받은 고혈압 알림 기능 -- Apple Watch의 지능형 건강 보호 기능에 대한 중요한 추가 -- 은 시계를 30일만 착용하면 사용자에게 고혈압 가능성을 알릴 수 있습니다. 사용자 손목에서 수동적이고 기회적으로 수집된 데이터를 사용하여 수년간 발견되지 않을 수 있는 고혈압 징후를 감지합니다. 이미 많은 사람들이 피트니스, 연결성, 안전 및 기타 건강 애플리케이션을 위해 Apple Watch를 사용하고 있는 만큼, 이 기능은 고혈압 환자의 진단율, 건강 관리, 삶의 질, 수명을 개선할 수 있습니다.

Footnotes

쉬운 설명 참고문헌 3개는 주로 AHA 고혈압 가이드라인과 WHO 고혈압 역학 자료입니다. 규제 맥락보다는 임상적 배경을 뒷받침하는 문헌들입니다.

Footnotes

1. Whelton, Paul K., et al. "2017 ACC/AHA/AAPA/ABC/ACPM/AGS/APhA/ASH/ASPC/NMA/PCNA Guideline for the Prevention, Detection, Evaluation, and Management of High Blood Pressure in Adults," Hypertension 71, no. 6 (2018): e13-e115, doi.org/10.1161/HYP.0000000000000065. ↩

2. World Health Organization, "Hypertension," Newsroom Fact Sheets, last modified April 1, 2023, who.int/news-room/fact-sheets/detail/hypertension. ↩ ↩²

3. Paul Muntner, et al. "Measurement of Blood Pressure in Humans: A Scientific Statement From the American Heart Association," Hypertension, 73, no. 5 (2019): e35-e66, doi.org/10.1161/HYP.0000000000000087. ↩