하룻밤 수면으로 100가지 이상 질병 위험 예측하는 AI 모델

수면은 심신 건강과 밀접하게 관련되어 있는 것으로 알려져 있다. 건강 상태가 악화되면 수면에도 악영향이 미치는 경우가 많은 것. 최근 스탠퍼드대학교 의학부 연구팀이 하룻밤 수면으로부터 100가지 이상 질병 위험을 예측하는 AI 모델인 SleepFM을 개발했다고 보고했다.

연구팀은 SleepFM을 개발하기 위해 피험자 6만 5,000명으로부터 5초 단위로 수집된 58만 5,000시간 수면 데이터를 활용했다. 이 수면 데이터는 다양한 센서를 온몸에 부착해 뇌·심장·호흡기계 활동, 안구 및 발 움직임 등을 기록하는 폴리솜노그래피, PSG 등 수면다원검사를 통해 수집됐다.

연구팀은 수면을 연구할 때는 놀라울 정도로 많은 신호를 기록한다며 이는 일종의 보편적인 생리학 데이터로 완전히 구속된 피험자를 8시간에 걸쳐 연구한다며 그 데이터량은 풍부하다고 말했다.

연구팀은 SleepFM을 개발하기 위해 기반 모델을 구축했다. 오픈AI GPT 시리즈와 같은 대규모 언어 모델은 방대한 텍스트 데이터로 훈련되지만 SleepFM의 경우 텍스트 데이터가 아닌 PSG로 수집된 수면 데이터로 훈련이 이뤄진다. 연구팀은 SleepFM은 본질적으로 수면의 언어를 학습하고 있다고 설명했다.

SleepFM은 뇌파·심전도·근전도·맥박·호흡 등 여러 데이터 스트림을 통합해 이들이 서로 어떻게 연관되어 있는지 파악할 수 있다. 연구팀은 이를 실현하기 위해 한 데이터를 숨긴 뒤 나머지 데이터로부터 해당 데이터를 재구성하는 leave-one-out 대조 학습이라는 새로운 훈련 기법을 개발했다.

연구팀은 이 연구에서 이룬 기술적 진보 중 하나는 이 모든 서로 다른 데이터 양식을 조화시켜 함께 동일한 언어를 학습할 수 있도록 하는 방법을 찾아낸 것이라고 말했다.

연구팀은 최대 25년간 추적된 광범위한 연령층에 대한 장기적인 건강 상태에 관한 보고서 수만 건을 결합해 SleepFM이 질병 위험을 얼마나 정확하게 예측할 수 있는지 조사했다. 그 결과 건강 기록에 포함된 1041종류가 넘는 질병 카테고리 중 130종류에 대해서는 C-통계량이 0.75 이상이라는 정확도로 예측할 수 있다는 게 밝혀졌다.

C-통계량은 예측 모델이 실제 결과를 얼마나 정확하게 예측할 수 있는지를 나타내는 지표다. C-통계량이 1이면 완전 일치이며 0.5면 무작위 예측과 동일한 수준이라는 의미다.

SleepFM은 그 중에서도 암·임신 합병증·순환계 질환·정신질환에서 예측 정확도가 높았으며 C-통계량은 모두 0.8을 초과했다. 구체적으로는 파킨슨병이 0.89, 치매가 0.85, 고혈압 정신질환이 0.84, 심장마비가 0.81, 전립선암이 0.89, 유방암이 0.87, 전체 사인 사망률에 대해서는 0.84라는 결과가 나왔다. 참고로 다양한 암 치료에 대한 반응을 예측하는 모델 등 C-통계량은 0.7 전후지만 이런 모델도 임상 현장에서 유용하다고 간주되고 있다.

이번 결과는 나쁜 수면 습관과 건강 상태 악화 사이에 나타나는 연관성을 뒷받침하는 것으로 다양한 질환 초기 징후로서 수면 악화가 발생할 가능성을 시사한다. 연구팀은 매우 다양한 조건에 대해 이 모델이 유용한 예측을 수행할 수 있다는 점에 기쁜 놀라움을 느꼈다고 밝혔다.

이번 연구에서는 특정 질환과 강하게 연관된 일부 데이터만으로 예측을 수행하는 것보다 모든 데이터 유형을 결합한 예측이 가장 높은 정확도를 발휘한다는 점도 확인됐다. 연구팀은 질병 예측에서 얻은 가장 유용한 정보는 서로 다른 채널을 비교 대조해 얻어졌다고 말했다.

연구팀은 웨어러블 기기가 수집한 데이터를 추가해 SleepFM의 예측을 개선하는 방법과 SleepFM이 뭘 해석하고 있는지 정확히 이해하는 작업에 착수하고 있다. 관련 내용은 이곳에서 확인할 수 있다.