⚡ 전기공학

Towards Non-Invasive Multiparameter Monitoring from a Single Fingertip Photoplethysmogram: Prototype Design and Preliminary Evaluation of Heart Rate, SpO2, Blood Pressure, and Glucose Estimation

본 논문은 심박수, SpO2, 혈압 및 혈당을 추정할 수 있는 저비용의 단일 손가락 끝 광혈류측정 프로토타입의 설계와 예비 평가를 제시하며, 랜덤 포레스트 회귀가 가장 정확한 혈당 예측을 달성한 소규모 코호트 연구를 통해 타당성을 입증하는 동시에 임상 적용 전 대규모의 피험자 독립적 검증의 필요성을 강조한다.

원저자: Muhammad Noman, Haseeb Ur Rehman, Muhammad Ahsen, Rida Afzal, Muhammad Hamza Zulfiqar, Nida Iqbal

게시일 2026-10-20

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Muhammad Noman, Haseeb Ur Rehman, Muhammad Ahsen, Rida Afzal, Muhammad Hamza Zulfiqar, Nida Iqbal

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

전 세계 수백만 명의 사람들이 당뇨병이나 고혈압과 같은 만성 질환을 관리하기 위해 종종 통증을 유발하거나, 비싸거나, 번거로운 도구들에 의존하고 있습니다. 혈당을 체크하는 것은 보통 손가락을 찔러 피 한 방울을 뽑아내는 과정을 필요로 하며, 혈압을 모니터링하는 것은 팔에 꽉 조이는 공기 주머니를 감아야 합니다. 이러한 방법들은 효과적이긴 하지만, 불편함과 번거로움 때문에 사람들이 매일 정기적인 검사를 거르게 만들 수 있으며, 이는 위험한 건강상의 변화를 감지하지 못하게 합니다. 과학자들은 오랫동안 이러한 침습적인 도구들을 대신하여, 피부를 뚫지 않고도 손가락 끝에서 생체 신호를 읽어낼 수 있는 하나의 편안한 센서를 만들기를 희망해 왔습니다. 이 아이디어의 핵심은 광혈류 측정법(photoplethysmography)이라 불리는 기술에 있는데, 이는 빛을 사용하여 미세한 혈관을 통해 혈액이 어떻게 흐르는지 측정하는 방식입니다. 피부 속으로 빛을 비추고 얼마나 많은 빛이 흡수되거나 반사되는지를 측정함으로써, 장치는 혈액량 변화의 리듬감 있는 맥동을 감지할 수 있습니다. 이 광학 신호는 이미 병원이나 체육관에서 흔히 볼 수 있는 맥박 산소 포화도 측정기에 적용되어 심박수와 산소 수치를 알려주고 있습니다. 과제는 이와 동일한 빛의 데이터 스트림이 심장 질환과 당뇨병 관리에 가장 중요한 두 가지 수치인 혈압과 혈당까지도 밝혀낼 수 있는지 확인하는 것이었습니다.

라호르의 공과대학교 연구진은 바로 이 가능성을 테스트하기 위해 저비용의 프로토타입을 제작하는 데 착수했습니다. 그들은 사람의 손가락 끝에 집게처럼 고정할 수 있는 작은 장치를 제작했으며, 이 안에는 피부로 적색광과 적외선을 발사하는 센서가 들어 있습니다. 이 센서는 단순한 마이크로컨트롤러와 결합하여, 손가락을 통과하는 혈액의 맥동에 따라 튕겨 나오는 미세한 빛의 파동을 포착합니다. 연구진은 이후 이 가공되지 않은 데이터를 특정 패턴을 추출하고 신호를 정제하도록 설계된 컴퓨터 프로그램에 입력했습니다. 그들은 밤새 금식한 30명의 건강한 자원봉사자를 대상으로 시스템을 테스트했으며, 장치의 추정치를 표준 의료 도구인 손가락 채혈 혈당계, 전통적인 혈압계, 그리고 상용 맥박 산소 측정기와 비교했습니다. 목표는 완성된 의료 제품을 만드는 것이 아니라, 이 아이디어 뒤에 숨겨진 기본적인 물리 법칙과 수학적 원리가 실제 환경에서도 작동할 수 있는지 확인하는 것이었습니다.

심박수와 산소 포화도에 대한 결과는 기존 장치들과 매우 유사하여 고무적이었습니다. 프로토타입은 높은 일치도를 보이며 심박수와 산소 수치를 성공적으로 추적하였으며, 이는 하드웨어가 필수적인 맥박 정보를 정확하게 포착할 수 있음을 확인시켜 주었습니다. 혈압의 경우, 연구팀은 단순히 속도만을 측정하는 대신 맥파의 타이밍과 형태를 분석하는 다른 접근 방식을 사용했습니다. 단일 테스트 사례에서, 이 장치는 표준 혈압계의 측정값과 약 1.4 mmHg 정도의 차이만을 보이는 혈압 추정치를 나타냈는데, 이는 매우 작은 격차입니다. 그러나 연구진은 이것이 휴식 중인 피험자를 대상으로 한 단일 관찰이었으며, 개인별 조정 없이는 모든 사람에게 적용되지 않을 수 있는 고정된 설정을 사용했다는 점을 주의 깊게 언급했습니다.

연구에서 가장 복잡한 부분은 혈당을 추정하는 작업이었습니다. 심박수나 산소와 달리, 혈당 수치와 빛의 파동 형태 사이에는 직접적이고 단순한 광학적 연결 고리가 존재하지 않습니다. 대신, 연구진은 혈당의 변화가 혈액의 점도나 적혈구의 이동 방식에 미세한 변화를 일으키고, 이것이 결과적으로 빛의 신호에 감지 가능한 방식으로 영향을 줄 것이라는 가설을 세웠습니다. 이러한 미세한 단서들을 찾기 위해, 그들은 맥박 신호를 파동의 에너지, 리듬, 전체적인 형태와 같은 수십 가지의 다양한 수학적 특징들로 분해했습니다. 그런 다음 이 특징들을 세 가지 유형의 컴퓨터 학습 모델에 입력하여 어떤 모델이 혈당 수치를 가장 잘 예측할 수 있는지 확인했습니다.

테스트된 모델 중, 많은 결정 트리(decision trees)를 구축하고 그 답들을 결합하여 작동하는 '랜덤 포레스트(Random Forest)'라고 알려진 방식이 가장 우수한 성능을 보였습니다. 이 30명의 소규모 그룹에서, 이 모델의 추정치는 평균적으로 약 11 mg/dL 정도의 오차를 보였으며, 이는 비교 대상이었던 다른 모델들에 비해 상당한 개선이었습니다. 또한 이 시스템은 혈당 수치를 저혈당, 정상, 고혈당 범위로 약 74%의 확률로 정확하게 분류해 냈습니다. 이러한 수치가 유망하게 들릴 수도 있지만, 연구진은 이 성공이 예비적인 단계이며 연구 규모에 의해 제한적이라는 점을 강조합니다. 자원봉사자 그룹이 작았고 데이터가 단 한 번의 세션에서 나왔기 때문에, 모델이 보편적인 혈당 규칙을 학습했다기보다는 이 30명만의 특정 패턴을 단순히 암기했을 가능성이 있습니다.

논문은 이 프로토타입이 개념적 실현 가능성을 입증하기는 했으나, 임상용으로 사용하기에는 아직 갈 길이 멀다고 결론짓습니다. 연구진은 자신들의 결과가 이 장치가 의료적 결정을 내릴 수 있을 만큼 혈당을 정확하게 측정할 수 있다는 것을 증명하는 것도 아니며, 아직 손가락 채혈 검사를 대체할 수도 없다는 점을 명시적으로 밝혔습니다. 작은 표본 크기, 진단받은 당뇨 환자나 저혈당 환자에 대한 테스트 부재, 그리고 엄격한 검증 방법의 결여는 현재의 결과가 단지 개념 증명(proof of concept)에 불과함을 의미합니다. 이 장치는 빛이 혈당에 관한 정보를 담을 수 있다는 것을 보여주는 저렴한 연구용 플랫폼 역할을 하지만, 그 잠재력을 신뢰할 수 있는 의료 도구로 바꾸기 위해서는 더 큰 규모의 연구, 다양한 인구 집단에 걸친 테스트, 그리고 연령이나 피부색과 같은 다른 요인들이 어떻게 판독값을 혼란스럽게 만들 수 있는지에 대한 더 깊은 이해가 필요합니다. 현재로서 이 연구는 생체 신호를 지속적이고 통증 없이 모니터링할 수 있는 미래를 향한 희망적인 발걸음이지만, 작동하는 솔루션을 향한 길은 여전히 길고 불확실합니다.

기술 요약: 단일 손가락 끝 PPG를 이용한 비침습적 다중 파라미터 모니터링

문제 정의
심혈관 질환과 당뇨병은 전 세계적으로 중대한 건강 부담을 초래하고 있으나, 혈압(BP) 및 혈당(BG)의 일상적인 모니터링은 환자의 순응도를 저해하는 방식에 의존하고 있다. 표준 커프 기반의 진동법(oscillometry)은 연속적인 측정보다는 간헐적인 측정을 제공하며 불편함을 줄 수 있고, 모세혈관 혈당 측정은 고통스러운 손가락 채혈과 소모성 검사지를 필요로 한다. 광혈류측정(PPG)이 심박수(HR) 및 산소 포화도(SpO2) 측정에는 확립되어 있으나, 커프 없는 혈압 측정 및 비침습적 혈당 추정에 대한 적용은 과학적으로 아직 불분명하다. 과제로는 포도당과 PPG 파형 사이의 간접적인 물리적 연결성, 혼란 변수(예: 연령, 혈관 경직도)의 영향, 그리고 작은 데이터셋과 데이터 누수(data leakage)로 인한 부풀려진 정확도 주장이 포함된다.

방법론
저자들은 단일 손가락 끝 PPG 신호로부터 HR, SpO2, 수축기/이완기 혈압(SBP/DBP), 그리고 혈당 추정치를 도출할 수 있는 저가형 프로토타입을 설계하고 평가하였다.

하드웨어 아키텍처: 시스템은 MAX30102 이중 파장 센서(660 nm 적색, 940 nm 적외선)를 사용하며, 이는 ATmega328P 기반의 Arduino Nano와 통합되어 있다. 센서는 주변광 간섭을 최소ze화하고 오른쪽 중지 손가락에 접촉 압력을 표준화하도록 설계된 3D 프린팅 차광 인클로저 내에 배치되었다. 데이터 획득은 I²C를 통해 초당 100개의 샘플로 이루어지며, 원시 데이터는 오프라인 처리를 위해 PC로 스트리밍된다.
신호 컨디셔닝: 원시 PPG 신호는 하부 엔벨로프 디트렌딩(연속적인 비트의 골 지점들을 연결)을 통한 베이스라인 제거 과정을 거친 후, 피두셜 포인트(fiducial points)를 보존하면서 호흡 및 고주파 노이즈를 제거하기 위해 4차 버터워스 저역 통과 필터(8 Hz 차단 주파수)를 이용한 제로 페이즈(zero-phase) 필터링을 수행한다.
파라미터 추정 알고리즘:
- HR 및 SpO2: HR은 평균 피크 간격으로부터 계산된다. SpO2는 적색 및 적외선 채널의 AC/DC 성분의 비율( $R$ )을 사용하여 선형 근사 공식( $SpO2 = 110 - 25R$ )을 적용하여 도출된다.
- 커프 없는 혈압: 개념 증명 단계의 경험적 모델은 1차 미분 타이밍 특징(수축기 시간, 이완기 시간)과 진폭 특징을 사용한다. SBP와 DBP는 개별 대상자 보정 없이 성인 휴식기 데이터를 위해 도출된 고정 계수( $\alpha, \beta$ )를 사용하여 매핑된다.
- 혈당 추정: 자기회귀 계수(5차), Teager–Kaiser 에너지(평균, 분산, IQR, 왜도), 스펙트럼 Shannon 엔트로피, 로그 에너지, 그리고 단일 펄스 형태학적 특징(에너지, 피크 진폭, 시작/종료 시간)을 포함한 다중 도메인 특징 세트가 추출되었다.
머신러닝 및 평가: 혈당 예측을 위해 선형 회귀(LR), K-최근접 이웃(KNN, $k=5$ ), 랜덤 포레스트(RF, 100개 트리)의 세 가지 회귀 모델이 학습되었다. 성능은 RMSE, MAE, $R^2$ , 그리고 3단계 분류 정확도(저혈당: $\le 100$ , 정상: 101–140, 고혈당: $> 140$ mg/dL)로 평가되었다.

실험 프로토콜
연구는 라호르 공과대학교의 20~50세 사이의 공복 자원봉사자 30명을 대상으로 진행되었다. 총 32개의 기록(각 30초)이 수집되었다. 참조 측정은 상용 손가락 끝 맥박 산소 측정기, 진동식 커프, 그리고 Accu-Chek Active 혈당계를 사용하여 동시에 수행되었다. 코호트는 독립적인 임상적 당뇨 진단이 없는 건강하거나 혼합된 상태의 개인들로 구성되었으며, 저혈당 환자는 포함되지 않았다.

주요 결과

HR 및 SpO2: 프로토타입은 상용 참조 기기와 밀접한 일치성을 보였다. 대표적인 30초 기록에서 추정된 HR은 약 73 BPM이었으며, 이는 참조값인 70 BPM과 비교했을 때 약 4%의 차이를 보였다. SpO2는 참조값 대비 99%로 추정되었다.
혈압: 단일 휴식기 시험에서 추정된 BP는 118.6/78.6 mmHg였으며, 이는 커프를 이용한 120/80 mmHg와 비교했을 때 약 1.4 mmHg의 차이를 보였다.
혈당 추정: 랜덤 포레스트(RF) 모델이 LR 및 KNN보다 우수한 성능을 보였다.
- RF 성능: RMSE = 11.11 mg/dL, MAE = 7.85 mg/dL, $R^2$ = 0.8655, 3단계 분류 정확도 74.19%.
- 비교: LR은 RMSE = 24.31 mg/dL ( $R^2$ = 0.3557)를 기록했고, KNN은 RMSE = 26.45 mg/dL ( $R^2$ = 0.2374)를 기록했다.
- 결과의 한계: 저자들은 작은 데이터셋 크기(32개 기록)와 훈련 및 테스트 세트 간의 데이터 누수(대상자 독립적 검증 부재)로 인해 높은 $R^2$ 및 낮은 오차 지표가 낙관적일 수 있음을 언급하였다.

의의 및 주장
본 논문은 이 연구를 엄격히 타당성 조사(feasibility study) 및 예비 평가로 규정하며, 임상적 주장을 명시적으로 피하고 있다.

통합의 타당성: 본 연구는 저가형 단일 센서 하드웨어 플랫폼이 여러 생리적 파라미터를 동시에 도출하기 위해 PPG 신호를 성공적으로 획득하고 컨디셔닝할 수 있음을 입증한다.
특징의 유용성: 결과는 스펙트럼, 비선형(Teager–Kaiser), 형태학적 특징의 조합이 소규모 공복 코호트에서 참조 혈당 수치와 연관될 수 있음을 시사하며, 랜덤 포레스트가 선형 또는 거리 기반 모델보다 비선형 상호작용을 더 잘 포착함을 보여준다.
신중한 주장: 저자들은 현재의 결과가 임상적 사용을 검증하는 것이 아님을 강조한다. 그들은 다음과 같은 점을 지적한다:
- 혈당 모델이 혈당 자체보다는 상관관계(예: 혈관 긴장도, 연령)를 학습하고 있을 수 있다.
- 대상자 독립적 검증(예: leave-one-subject-out)의 부재로 인해 성능 추정이 신뢰하기 어렵다.
- 코호트의 좁은 생리적 범위(저혈당 및 제한된 고혈당 상태 없음)로 인해 임상적 극단 상황에 대한 평가가 불가능하다.
- Clarke/Parkes 오류 격자, MARD, ISO 15197 준수와 같은 표준 임상 지표가 충족되거나 완전히 평가되지 않았다.

결론
본 프로토타입은 더 큰 데이터셋을 수집하기 위한 저렴한 연구 플랫폼 역할을 한다. 저자들은 임상적 주장을 하기 전에, 향후 연구에 당뇨병 및 저혈당 진단을 받은 인구를 포함한 대규모 다일(multi-day) 연구, 대상자 독립적 검증 프로토콜, 그리고 엄격한 오류 격자 분석이 포함되어야 한다고 결론지었다.

기술 요약: 단일 손가락 끝 PPG를 이용한 비침습적 다중 파라미터 모니터링

유사한 논문