웨어러블 PPG로 심장 이상 자동 인식 딥러닝 방법

본 논문은 광학식 광혈류측정(Photoplethysmography, PPG) 신호만을 이용해 심장 부정맥을 자동으로 인식하는 방법을 제안한다. 현재 ECG는 심장 전기활동을 직접 측정해 부정맥을 진단하는 표준이지만, 전극 부착과 장비 제약으로 장시간 연속 모니터링에 한계가 있다. 반면, 스마트워치·피트니스 트래커 등에 탑재된 PPG 센서는 저비용, 무선, 소형이라는 장점을 가지고 있어 일상적인 장시간 측정이 가능하다. 저자들은 PPG 파형이 심장의 펌프 작용을 반영하므로, 부정맥이 발생하면 혈류 패턴이 변형되어 PPG에 미세한 이상이 나타난다고 가정한다. 연구 흐름은 크게 두 단계로 나뉜다. 첫 번째 단계는 정상 PPG 파형을 학습하는 LSTM 기반 자동인코더이다. 약 300명 이상의 환자로부터 수집한 8초 길이의 정제된 정상 파형 40만 개를 사용해 2‑layer LSTM(80/40 뉴런) 구조를 학습하였다. 자동인코더는 입력 시퀀스를 저차원 잠재공간에 압축한 뒤 다시 복원함으로써, 정상 파형의 시간·주파수 특성을 효율적으로 모델링한다. 두 번째 단계에서는 실시간 PPG를 동일한 자동인코더에 통과시켜 재구성된 파형과 원본 파형 사이의 차이를 측정한다. 저자들은 절대 오차보다 피어슨 상관계수(r)를 슬라이딩 윈도우(0.5 초) 단위로 계산하고, r < 0.6을 이상 구간으로 정의하였다. 이 방식은 재구성 실패 구간을 직접 시각화할 수 있어 의료 현장에서 설명 가능성을 제공한다. 실험은 두 부분으로 진행되었다. 1) 골드 스탠다드 ECG와의 비교 평가에서는 중환자실(HDU)에서 연속 ECG 모니터링이 가능한 29명의 환자(총 47.6 시간, 2,852분) 데이터를 사용하였다. 각 분당 PVC(조기 심실수축) 발생 횟수를 ECG에서 기록하고, 해당 분에 최소 30 초 이상의 고품질 PPG가 존재하는 경우에만 비교하였다. 결과는 PVC가 1분당 ≥1회 발생한 구간에서 약 60%를 PPG 기반 자동인코더가 검출했으며, 위양성률은 23%였다. PVC가 2회 이상인 경우 검출률이 68%로 상승하였다. 이는 PPG가 부정맥을 완벽히 대체하기는 어렵지만, 상당 수준의 민감도를 보임을 의미한다. 또한, 위양성으로 분류된 구간 중 일부는 실제 다른 형태의 부정맥일 가능성이 있어, 현재의 평가가 보수적으로 작용했을 것으로 추정된다. 2) 대규모 인구 집단 분석에서는 HDU 외에도 급성병동(AMU), 수술실(SURGERY), 응급실(ED), 가정( HOME) 등 다섯 가지 임상 시나리오에서 총 10,000시간 이상의 PPG 데이터를 무작위 추출해 적용하였다. 각 시나리오별 환자 수와 착용 시간은 다음과 같다: HDU 120명, AMU 250명, SURGERY 30명, ED 250명, HOME 8명. 분석 결과, 고위험군인 HDU와 AMU에서 이상 검출 비율이 상대적으로 높았으며, 가정에서 착용한 HEART BYPASS 환자에서도 지속적인 이상 신호가 포착되었다. 이는 기존 ECG 모니터링이 제한적인 환경에서도 웨어러블 PPG가 부정맥 감시에 활용될 수 있음을 시사한다. 논문의 주요 기여는 다음과 같다. (1) 대규모 정상 PPG 데이터셋을 활용한 비지도 학습 기반 자동인코더 설계, (2) 재구성 오류를 피어슨 상관계수로 정량화해 설명 가능한 이상 탐지 구현, (3) 실제 임상 환경에서 ECG와 비교한 정량적 성능 평가, (4) 다양한 환자군에 대한 장시간 데이터 분석을 통한 인구 수준 부정맥 패턴 제시. 하지만 몇 가지 한계도 존재한다. 자동인코더는 학습 데이터에 포함되지 않은 희귀 파형을 오탐지할 위험이 있으며, 움직임 및 캘리브레이션 아티팩트가 완전히 제거되지 않을 경우 오류가 발생한다. 또한 현재는 PVC만을 골드 스탠다드로 사용했기 때문에, 다른 부정맥(예: AF, SVT 등)에 대한 검증이 부족하다. 향후 연구에서는 (① 라벨링된 다중 부정맥 데이터 확보, ② 더 깊은 시계열 모델(LSTM‑Transformer 등) 적용, ③ 실시간 임베디드 구현 및 임상 시험 확대) 등을 통해 모델의 민감도·특이도를 향상시키고, 실제 의료 현장에서의 적용 가능성을 검증할 필요가 있다. 결론적으로, 이 연구는 PPG 기반 웨어러블 디바이스가 저비용·고접근성의 장점을 살려 연속적인 심장 상태 모니터링에 활용될 수 있음을 실증적으로 보여준다. 비침습적이며 일상 생활에 방해가 적은 PPG 신호를 딥러닝으로 분석함으로써, 조기 부정맥 탐지와 환자 선별, 그리고 대규모 인구 건강 관리에 새로운 가능성을 열었다.