PPG 기반 호흡정지 시 혈압 추정 모델링

초록

본 연구는 수면다원검사에서 흔히 사용되는 광혈류측정(PPG) 신호의 피크·트러프를 입력으로 5차 ARMA 모델을 구축하여 호흡정지(숨참기) 동안의 수축기·이완기·평균동맥압을 연속적으로 추정한다. 7명의 건강한 피험자를 대상으로 5회 반복된 숨참기 실험을 수행했으며, 모델링 오차는 평균 ± 표준편차 기준으로 SBP ≈ ‑0.9 ± 4.9 mmHg, DBP ≈ 0.3 ± 2.4 mmHg, MBP ≈ ‑0.5 ± 2.6 mmHg 수준이었다. 교차검증에서도 RMS 오차가 7 mmHg 이하로 유지돼, 기존 PTT 기반 방법과 견줄만한 정확도를 보였다.

상세 분석

이 논문은 수면 중 발생하는 무호흡에 따른 급격한 혈압 변동을 비침습적으로 모니터링하기 위한 새로운 접근법을 제시한다. 기존 polysomnography 장비는 산소포화도와 심전도 등은 제공하지만, beat‑to‑beat 혈압을 측정할 수 있는 장비는 일반적으로 포함되지 않는다. 저자들은 이러한 한계를 극복하고자, PPG 파형의 최고점(피크)과 최저점(트러프)을 각각 SBP와 DBP의 대리 변수로 활용하고, 이들 시계열을 5차 ARMA(Autoregressive Moving Average) 모델에 입력하였다.

ARMA 모델 선택 과정에서 저자는 파라미터 차수(n_a, n_b)와 순시 지연(k)을 5로 고정했으며, 이는 파싱턴(Parsimony) 원칙과 최소 평균제곱오차(MSE) 기준에 따라 결정되었다. 모델 파라미터는 MATLAB의 최소제곱법으로 추정했으며, 모든 가능한 차수 조합을 평가해 최저 MSE를 보이는 구성을 최종 모델로 채택하였다. 입력·출력 데이터는 100 Hz로 재샘플링했으며, 이는 고주파 잡음을 억제하면서도 혈역학적 변화를 충분히 포착할 수 있는 샘플링 레이트이다.

실험은 7명의 건강한 성인(평균 연령 32 ± 4 yr, BMI 24.6 ± 3.9 kg/m²)을 대상으로 진행되었다. 각 피험자는 누운 자세에서 5번의 숨참기(breath‑hold, BH) 과정을 수행했으며, BH 사이에는 90 s의 정상 호흡(NB) 구간을 두어 혈압이 회복되도록 설계하였다. 혈압은 Finapres(beat‑to‑beat)로 직접 측정했으며, PPG는 Nellcor OxiMax N‑600x로 동시에 수집하였다.

모델링 단계에서는 각 BH 구간마다 별도의 SBP·DBP ARMA 모델을 학습시켰다. 이렇게 얻은 SBP·DBP 추정값을 이용해 MBP는 전통적인 공식 MBP = DBP + 1/3(SBP‑DBP)로 계산하였다. 모델 정확도는 두 가지 방식으로 평가되었다. 첫째, 동일 구간 내에서 추정값과 실제 측정값의 차이인 ‘모델 오차’를 계산했으며, 평균 ± 표준편차는 SBP ≈ ‑0.9 ± 4.9 mmHg, DBP ≈ 0.3 ± 2.4 mmHg, MBP ≈ ‑0.5 ± 2.6 mmHg였다. 둘째, 한 구간에서 학습한 모델을 다른 구간에 적용한 ‘교차 검증 오차’를 구했으며, RMS 오차는 최대 7 mmHg 이하로 제한되었다. 이는 기존 PTT 기반 혈압 추정 방법(상관계수 ≈ 0.8)과 비교해 동등하거나 약간 우수한 수준이다.

논의에서는 모델이 저주파(혈압 상승·하강 추세)와 고주파(심박동에 따른 미세 변동) 모두를 포착한다는 점을 강조한다. 또한, 개인별 혈압 조절 메커니즘(교감신경 반응, 혈관 탄성도 등)의 차이로 인해 단일 모델이 모든 인구집단에 적용되기 어려울 수 있음을 인정하고, 피험자 맞춤형 모델링이 필요함을 제시한다. 제한점으로는 소규모 샘플(7명)과 건강한 피험자에 국한된 실험 설계, 그리고 숨참기 시간이 개인마다 다르다는 점이 있다. 향후 연구에서는 실제 수면 무호흡 환자를 대상으로 장시간 데이터 수집 및 머신러닝 기반 모델 확장을 계획하고 있다.

전반적으로, PPG 신호만으로도 ARMA 모델을 이용해 혈압 변동을 실시간으로 추정할 수 있음을 실증했으며, 이는 수면다원검사에서 추가적인 비용 없이 혈압 동태를 모니터링할 수 있는 실용적인 방법으로 평가된다.