코골이 파동 분석으로 보는 수면 무호흡 위험 지표

초록

본 연구는 전체 폴리소노그래피 검사 중 기록된 코골이 파형을 파동 패킷 단위로 분석하여, 10~100초 구간의 불규칙한 코골이(스노어 타임 인터벌, STII)가 폐쇄성 수면 무호흡증의 심각도를 나타내는 기존의 무호흡·저호흡 지수(AHI)와 높은 상관관계를 보임을 확인하였다. 또한, 코골이 신호의 Hurst 지수를 활용한 분류 모델을 구축해 경증·무증군과 중증·고증군을 효과적으로 구분하였다.

상세 분석

이 논문은 코골이 소리를 단순히 청각적 현상으로 보는 기존 접근법을 넘어, 시간‑주파수 영역에서 파동 패킷(스노어)으로 분리하고 그 발생 간격을 정량화하는 새로운 지표인 스노어 타임 인터벌 인덱스(STII)를 제안한다. STII는 10초에서 100초 사이의 비정상적 간격을 가진 스노어의 개수를 전체 기록 시간으로 나눈 값으로 정의되며, 이는 기존 폴리소노그래피에서 무호흡·저호흡 사건을 직접 카운트하는 AHI와 통계적으로 유의미한 상관을 보인다. 연구진은 50명 이상의 의심 환자를 대상으로 전야간 전체 수면 단계에서 고해상도 마이크로폰을 이용해 코골이 신호를 수집하고, 웨이브렛 변환을 통해 각 스노어의 시작·끝을 자동 검출하였다. 검출된 스노어 간격을 히스토그램화한 뒤, 비정상 구간(10~100 s)의 빈도를 STII로 산출하였다. 결과는 STII가 AHI와 Pearson 상관계수 r = 0.78( p < 0.001) 수준으로 강한 양의 상관을 나타냈으며, 특히 중등도 이상 무호흡 환자에서 STII 값이 현저히 높았다.

또한, 코골이 신호 자체의 장기 의존성을 평가하기 위해 Hurst 지수를 적용하였다. Hurst 분석은 신호의 자기유사성을 측정해 0.5 ~ 1 사이의 값을 갖는데, 무호흡이 심할수록 H값이 0.7 이상으로 상승하는 경향을 보였다. 이를 기반으로 로지스틱 회귀와 서포트 벡터 머신을 결합한 이진 분류기를 훈련시켰으며, 교차 검증 결과 정확도 85 %, 민감도 82 %, 특이도 88 %를 달성하였다.

기술적 강점은 (1) 전통적인 폴리소노그래피 장비 없이도 마이크만으로 STII와 Hurst 지수를 추출할 수 있어 비용 효율성이 높다, (2) 자동화된 파동 패킷 검출 알고리즘이 인간 평가자의 주관적 편차를 최소화한다는 점이다. 한계점으로는 (가) 스노어 검출에 사용된 임계값이 개인별 해부학적 차이에 민감할 수 있어 보정이 필요하고, (나) 10~100 초 구간이 모든 연령·성별 집단에 동일하게 적용되는지에 대한 추가 검증이 요구된다. 향후 연구에서는 스마트폰 기반 마이크와 클라우드 분석 파이프라인을 연계해 실시간 STII 모니터링을 구현하고, 장기 추적을 통해 치료 효과를 정량화하는 방향을 제시한다.