[메디게이트뉴스 조운 기자] 다양한 기술 발전에 따라 병원 수면다원검사실에서 진행되던 폐쇄성수면무호흡증 진단검사가 집에서도 가능할 지 주목된다. 딥러닝 기술을 이용해 가정 소음과 수면무호흡 환자의 소음을 구별해 수면무호흡증의 정도를 판단하는 모델이 처음으로 제시됐다.

슬립테크 스타트업 에이슬립이 동국대 인공지능학과와 서울 분당대병원과 연구팀과 가정용 소음이 추가된 음향을 딥러닝 모델을 이용해 훈련시킨 실시간 음향 무호흡 이벤트 감지기에 대한 연구 결과(제목-REAL-TIME ACOUSTIC APNEA EVENT DETECTOR BY TRAINING A DEEP LEARNING MODEL WITH HOME NOISE ADDED DATA)를 발표했다.

이번 연구는 수면학회(AASM)·수면연구학회(SRS)가 지난 3~7일(현지시간) 공동으로 개최한 제37차 수면전문학회(Associated Professional Sleep Societies, APSS) 연례 학술대회 SLEEP 2023에서 발표됐다.

보통 폐쇄성수면무호흡증(OSA)은 병원 수면다원실에서 야간 모니터링을 통해 진단이 이뤄진다. 하지만 연구팀은 집에서 편리하게 폐쇄성수면무호흡을 감지하기 위해 딥러닝 기술을 이용한 음향 무호흡 이벤트 감지기를 개발했다.

연구팀은 다양한 소음이 존재하는 가정 환경에서 실시간으로 폐쇄성수면무호흡증 시 발생하는 소리 이벤트를 감지할 수 있도록 하는 모델을 만들었다. 연구팀은 딥러닝 모델을 활용해 가정 소음에서도 수면 호흡 소리를 듣고 폐쇄성수면무호흡증과 관련된 소리인지를 판단할 수 있게 만들었다.

이를 위해 연구팀은 150일 동안 환자가 수면다원검사를 받는 동안 마이크와 스마트폰으로 각각 1154건, 297건의 소면 호흡 데이터를 수집하고, 주거 환경에서 발생할 수 있는 2만2500개의 가정 소음 데이터를 수집했다.

음향 무호흡 감지기는 수면 호흡 소리의 멜 스펙트로그램(Mel spectrogram)을 입력해 시간별로 무호흡증, 호흡곤란 혹은 무증상 등 폐쇄성수면무호흡증의 정도를 판단하게 된다.

그 결과 연구팀이 개발한 모델은 무증상일 때 92%의 정확성을 보였고, 무호흡은 84%, 저호흡은 51%의 정확성을 보였다. 대부분의 오분류는 저호흡증일 때 이뤄졌는데, 저호흡의 15%는 무호흡으로, 34%는 무증상으로 잘못 예측됐다.

연구팀은 "이번 연구는 시끄러운 가정 소음 환경에서도 작동하는 실시간 폐쇄성무호흡 감지기를 보여줬다. 이에 기반해 가정 환경에서 다양한 야간 모니터링 및 실시간 진단 기술의 유용성을 확인하기 위한 추가 연구가 필요하다"고 밝혔다.

에이슬립은 또 동국대 인공지능과, 분당서울대병원팀과 스마트폰으로 녹음된 소리를 기반으로 한 가정용 수면 단계 확인 딥러닝 모델 연구 결과(제목-SOUND-BASED SLEEP STAGING AT HOME USING SMARTPHONE VIA DEEP LEARNING)도 SLEEP 2023에서 소개했다.

연구팀은 수면다원실(PSG) 데이터에서 추출한 음성(n=812)과 라벨이 붙은 가정에서 얻은 음성(n=829), 라벨이 붙지 않은 가정에서 얻은 음성(n=45)을 갖고 딥러닝 교육을 실시했다.

이렇게 만든 홈슬립넷(HomeSleepNet)은 가정 환경에서 깨어있는 상태, NREM 수면상태, REM 수면상태 세 단계를 구분할 수 있게 됐는데, 그 정확도가 76.2%로 나타났다. 구체적으로 각성 상태는 63.4%, NREM 수면은 83.6%, REM 수면은 64.9%를 예측했다.

연구팀은 "이번 연구는 가정 환경에서 수행된 최초의 음성 기반 수면 단계 연구다. 게다가 사용된 음성은 전문 장비가 아닌 상업용 스마트폰으로 녹음된 음성이었다"라며 "우리가 제안한 모델이 집에서 매일의 수면 습관을 위한 믿을만하고 편리한 추적 방법이 될 것으로 기대한다"고 밝혔다.