A digital health approach for identifying polyendocrine metabolic ovarian syndrome using machine learning and body temperature

당신의 몸이 고도의 기술을 갖춘 오케스트라라고 상상해 보세요. 그 안의 모든 악기는 당신 삶의 리듬을 유지하기 위해 특정한 음을 연주합니다. 때때로 지휘자가 조금 혼란에 빠지면 음악이 매끄럽게 흐르지 않을 수 있습니다. 여성의 몸에서 발생하는 흔한 혼란 중 하나는 과거에 다낭성 난소 증후군(PCOS)으로 알려졌던 다내분비 대사 난소 증후군(PMOS)이라는 질환입니다. 이것은 마치 호르몬 오케스트라의 결함과 같아서, 몸이 예정된 시간에 난자를 배출(배란)하는 것을 어렵게 만들 수 있습니다. 증상이 매우 다양해서 어떤 사람들에게는 크고 명확하게 나타나지만, 어떤 이들에게는 거의 속삭임처럼 미미하게 나타나기도 하기 때문에, PMлоS를 가진 사람의 최대 70%가 자신이 이 질환을 앓고 있다는 사실조차 모른다고 추정됩니다. 그들은 아이를 가지려고 노력 중이거나 단지 자신의 몸을 이해하려고 노력 중일 수도 있지만, 자신이 어떤 곡을 연주하고 있는지 그 곡의 이름을 듣지 못한 상태일 수 있습니다.

오케스트라가 조화를 이루지 못하고 있는지 알아내기 위해, 의사들은 보통 특정한 '열 변화(thermal shift)'를 살핍니다. 건강하고 규칙적인 주기에서, 몸의 온도는 난자가 배출된 후 한 단계 올라가는 온도 조절 장치처럼 작동합니다. 만약 이 온도 상승이 일어나지 않는다면, 그것은 난자가 배출되지 않았다는 강력한 단서가 됩니다. 이제, 당신이 아무것도 하지 않고 잠만 자는 동안에도 매일 밤 당신의 체온을 관찰할 수 있는 작고 아주 똑똑한 온도계가 있다고 상상해 보세요. 스마트 링이나 질 내 센서와 같은 웨어러블 기기가 바로 그 아이디어입니다. 이 기기들은 방대한 양의 온도 데이터를 수집하여 각 개인의 고유한 '열 지문(thermal fingerprint)'을 만들어냅니다. 과학자들이 던지는 핵심 질문은 이것입니다. "우리가 컴퓨터에게 이 열 지문을 읽는 법을 가르쳐서, 사람이 의사를 만나러 가기도 전에 '이봐, 이 리듬은 약간 PMOS와 비슷해'라고 말하게 할 수 있을까?"

이것이 바로 브리스톨 대학교의 연구팀이 테스트하고자 했던 내용입니다. 그들은 머신 러닝(본질적으로 컴퓨터에게 패턴을 찾는 법을 가르치는 것)을 사용하여 체온 데이터만으로 PMos 환자를 식별할 수 있는지 확인하고 싶었습니다. 그들은 단 하룻밤의 데이터만 본 것이 아니라, 책의 한 장과 같은 생리 주기의 전체 이야기를 살펴보았습니다. 그들은 이미 OvuSense라는 질 온도 모니터를 사용하고 있던 387명의 여성으로부터 데이터를 수집했습니다. 이 여성들은 또한 의사로부터 PMOS 진단을 받은 적이 있는지, 혹은 관련 약물을 복용 중인지 알려주는 설문지를 작성했습니다.

연구진은 각 여성의 온도 데이터를 복잡한 퍼즐처럼 다루었습니다. 그들은 데이터를 두 가지 방식으로 나누어 분석했습니다. 하나는 '주기 수준(cycle level, 한 달씩 관찰하는 방식)'이었고, 다른 하나는 '사용자 수준(user level, 세 달에 걸친 한 개인의 전체 이력을 보는 방식)'이었습니다. 그들은 건강한 온도 패턴의 완벽하고 이상적인 버전인 '기준 주기(reference cycle)'를 발명했으며, 그리고 각 여성이 실제 온도 곡선이 이 완벽한 선에서 얼마나 벗어나 흔들리는지를 측정했습니다. 그들은 누가 PMOS를 가졌는지 예측하기 위해 로지스틱 회귀(Logistic Regression), 서포트 벡터 머신(Support Vector Machines), 랜덤 포레스트(Random Forests)라는 세 가지 유형의 '컴퓨터 뇌'를 사용했습니다.

결과는 유망했지만 완벽하지는 않았습니다. 컴퓨터 모델들은 PMOS가 있는 여성과 없는 여성을 구별해 낼 수 있었지만, 초능력을 가진 탐정 수준은 아니었습니다. 가장 뛰어난 모델인 랜덤 포레스트는 전체 개인의 데이터를 보았을 때 약 70%, 단 하나의 주기만을 보았을 때 약 68%의 확률로 정답을 맞혔습니다. 이를 이해하기 쉽게 설명하자면, 동전 던지기를 하면 50%의 확률로 맞히게 되는데, 이 모델들은 동전 던지기보다는 더 나은 성적을 냈지만 완벽하지는 않았습니다. 컴퓨터가 찾아낸 가장 중요한 단서는 주기 자체의 길이였습니다. 마치 길게 늘어진 노래가 다른 장르를 암시하는 것처럼, 긴 생리 주기는 여성이 PMOS를 가지고 있을 수 있다는 강력한 힌트가 되었습니다.

이 연구는 웨어러블 기기로부터 얻은 체온을 사용하는 것이, 특히 진단을 적극적으로 찾고 있지 않은 사람들에게서 미진단 PMOS 사례를 찾아내는 데 도움이 될 수 있는 도구가 될 수 있음을 시사합니다. 그러나 저자들은 이것이 아직 마법 같은 해결책은 아니라고 주의를 기울였습니다. 모델들은 "적절히 교정(reasonably calibrated)"되었는데, 이는 그들의 예측이 일반적으로 신뢰할 만하다는 뜻이지만, 기상 예보가 "비가 올 수도 있다"라고 말할 때 큰 범위의 가능성을 남겨두는 것처럼 신뢰 구간이 넓었다는 의미입니다. 또한 그들은 자신들의 데이터가 이미 임신을 목적으로 특정 기기를 사용 중인 여성들로부터 왔기 때문에, 스마트워치나 링을 사용하는 일반 대중을 대상으로 테스트한다면 결과가 다르게 나타날 수 있다고 언급했습니다.

요약하자면, 이 논문은 컴퓨터가 당신의 밤 사이 체온이 내는 웅성거림을 듣는 법을 배울 수 있으며, "당신은 PMOS에 대해 의사와 상담해 보는 것이 좋겠습니다"라고 속삭일 수 있을지도 모른다는 점을 시사합니다. 이것은 하나의 증명 단계이자, 가능성을 보여주는 개념 증명(proof of concept)입니다. 하지만 이것이 표준적인 진단 방법이 되기 전에는, 이 모델이 모든 사람에게, 특히 이 특정 연구에 참여한 여성들에게만 적용되는 것이 아니라 모두에게 작동하는지 확인하기 위한 더 많은 연구가 필요합니다. 목표는 의사를 대체하는 것이 아니라, 사람들에게 도움을 구하도록 부드럽게 독려하여, 길고 혼란스러운 미스터리를 풀 수 있는 퍼즐로 바꾸는 것입니다.