AI 요약
심박수(HR)와 안정시 심박수(RHR)는 심혈관 건강과 사망률을 예측하는 핵심 바이오마커이지만, 기존의 지속적인 모니터링 방식은 웨어러블 기기 구매가 필수적이어서 보급에 한계가 있었습니다. 이를 해결하기 위해 연구진은 스마트폰을 일상적으로 사용하는 동안 전면 카메라를 통해 얼굴 비디오 기반 광혈류측정(PPG)을 수행하는 딥러닝 시스템 '수동적 심박수 모니터링(PHRM)'을 개발했습니다. 이 시스템은 485명의 참가자로부터 얻은 192,353개의 비디오로 개발되었으며, 실제 생활 환경 및 실험실 조건에서 211명의 162,546개 비디오를 통해 검증을 거쳤습니다. 검증 결과, 기준 심전도(ECG) 대비 평균 절대 백분율 오차(MAPE)가 10% 미만으로 나타나 업계의 정확도 기준을 완벽히 충족했습니다. 특히 밝은 피부, 중간 피부, 어두운 피부 등 3가지 피부색 그룹 모두에서 성능 편차 없이 균일하게 높은 정확도를 보여 기술의 공평성을 확보했습니다. 이 연구는 전 세계 인구의 대다수가 보유한 스마트폰을 활용해 추가 비용 없이 정밀한 심혈관 건강 관리가 가능함을 보여주었습니다.
핵심 인사이트
- 대규모 검증 데이터: 연구진은 485명의 192,353개 비디오로 딥러닝 모델을 학습시킨 후, 211명의 162,546개 비디오를 사용해 모니터링 기술 분야 중 역대 최대 규모의 검증 연구를 수행했습니다.
- 피부색 편향성 극복: 밝은 톤, 중간 톤, 어두운 톤의 3가지 피부색 그룹 모두에서 심전도(ECG) 대비 10% 미만의 MAPE를 달성해 인종적 편향 없이 동등한 성능을 보였습니다.
- 웨어러블 기기 수준의 정확도: 기존의 전문 웨어러블 심박수 측정기와 비교했을 때, PHRM으로 측정한 일일 안정시 심박수(RHR)의 평균 절대 오차(MAE)는 분당 5회(5 bpm) 미만이었습니다.
주요 디테일
- 스마트폰 보급률 및 사용성 활용: 미국 성인의 90%, 글로벌 인구의 69%가 스마트폰을 소유하고 있으며 하루 평균 144회 기기를 사용한다는 점에 착안하여 일상적이고 자연스러운 수동형 모니터링을 가능케 했습니다.
- 얼굴 비디오 기반 PPG 기술: 스마트폰을 사용할 때 자연스럽게 찍히는 얼굴 비디오에서 혈류량 변화에 따른 미세한 피부 색상 변화를 포착하여 심박수를 계산합니다.
- 임상적 유의성 확보: PHRM을 통해 도출한 일일 RHR 데이터는 심혈관 질환의 주요 위험 요인들과 통계적으로 유의미한 연관성이 있음을 확인했습니다.
- 연구 데이터 및 모델 공개: 생태계 활성화를 위해 연구진은 주석이 달린 대규모 스마트폰 비디오 데이터셋과 사전 학습이 완료된 딥러닝 심박수(HR) 모델을 대중에 완전 공개했습니다.
향후 전망
- 의료 격차 해소: 웨어러블 디바이스를 구매하기 힘든 저소득층 및 의료 취약 계층도 스마트폰만 보유하고 있다면 고정밀 심혈관 모니터링 서비스를 무상으로 활용할 수 있게 되어 의료 평등에 크게 기여할 것입니다.
- 스마트폰 건강 앱의 대전환: 향후 모바일 제조사 및 건강 관리 애플리케이션 개발사들이 공개된 사전 학습 모델을 내장하여 별도의 센서 장치 없이 기본 카메라만으로 구동되는 혁신적인 헬스케어 기능을 대거 탑재할 것으로 예상됩니다.