Comprehensive Analysis of Machine Learning Models for Five-Class Sleep Stage Classification Using PPG Signals

밤의 탐정: 우리가 수면 방식을 알아야 하는 이유

당신의 뇌가 마치 북적이는 도시와 같다고 상상해 보세요. 눈을 감아도 이 도시는 결코 완전히 멈추지 않습니다. 대신, 도시는 서로 다른 구역 사이를 전환합니다. 당신이 깨어 있는 북적이는 도심, 잠이 들기 시작하는 조용한 도서관, 깊고 회복력 있는 잠에 빠져 있는 지하 벙커, 그리고 초현실적인 꿈이 가득한 놀이공원 같은 곳 말이죠. 과학자들은 이 서로 다른 구역들을 "수면 단계(sleep stages)"라고 부릅니다. 당신의 뇌가 현재 어느 구역에 있는지 정확히 아는 것은 매우 중요합니다. 만약 도시가 잘못된 구역에 갇혀 버린다면—예를 들어, 깊은 벙커에 있어야 할 때도 계속 북적이는 도심에 머물러 있다면—심장 문제, 당뇨병, 혹은 하루 종일 몽롱함을 느끼는 것과 같은 건강 문제를 일으킬 수 있기 때문입니다.

오랫동안 이 밤의 지도를 그리는 유일한 방법은 거대하고 엉킨 전선 배낭을 멘 전문가 팀을 투입하는 것이었습니다. "골드 스탠다드(gold standard)"라고 불리는 이 방식인 다원수면검사(Polysomnography, PSG)는 뇌파와 근육의 움직임을 읽기 위해 당신의 머리, 눈, 턱에 전극을 붙이는 과정을 포함합니다. 이는 믿을 수 없을 정도로 정확하지만, 비용이 많이 들고 불편하며, 대개 실험실에서 잠을 자야 하므로 자연스럽게 잠을 청하기에는 적절한 환경이 아닙니다.

이제 "웨어러블(wearable)" 혁명이 등장했습니다. 아마 심박수를 추적하는 스마트워치를 착용하는 사람들을 본 적이 있을 것입니다. 이러한 장치들은 광혈류측정법(Photoplethysmography, PPG)이라는 센서를 사용합니다. PPG는 뇌파를 직접 읽는 대신, 아주 작은 빛을 피부 속으로 쏘아 매 심장 박동마다 혈액이 어떻게 맥동하는지를 관찰합니다. 원리는 간단합니다. 당신의 심장은 깨어 있을 때, 꿈을 꿀 때, 혹은 깊은 잠에 빠졌을 때 각각 다르게 뜁니다. 따라서 우리가 당신의 심장 리듬을 들을 수 있다면, 당신이 수면 도시의 어느 "구역"에 있는지 추측할 수 있을까요? 이것이 바로 연구자들이 답을 찾고자 하는 핵심 질문이며, 단순한 손목밴드를 자신의 침실에서 작동하는 수면 탐정으로 바꾸기를 희망하고 있습니다.

논문의 미션: 단순한 시계가 전체 이야기를 들려줄 수 있을까?

이 연구에서 연구진은 이 심장 박동 센서를 사용하여 가장 어려운 버전의 수면 퍼즐, 즉 다섯 가지의 뚜렷한 수면 단계(각성, 1단계 얕은 수면, 2단계 얕은 수면, 깊은 수면, 그리고 REM/꿈 수면)를 구분할 수 있는지 확인하기로 했습니다. 많은 이전 연구들이 문제를 단순화하여 (예를 들어 "그저 자고 있는지 깨어 있는지 알려달라"는 식으로) 단계를 묶어서 처리하려 했지만, 저자들은 이러한 단계의 병합이 건강에 대한 중요한 세부 정보를 놓칠 수 있다는 점을 알고 있었습니다. 그들은 표준적인 머신러닝 모델을 사용하여, 값비싸고 무거운 뇌파 장비 없이도 웨어러블 기기의 심장 데이터만을 이용해 이 다섯 단계를 모두 구분할 수 있는지 확인하고자 했습니다.

이를 위해 그들은 새로운 슈퍼컴퓨터를 만든 것이 아니라, 표준적인 재료 세트를 사용하는 숙련된 요리사처럼 행동했습니다. 그들은 이미 실험실에서 정밀 모니터링 장비를 갖추고 잠을 잤던 48명의 데이터를 가져왔습니다(따라서 "정답"이 이미 알려진 상태였습니다). 그들은 이 사람들의 심장 신호(PPG)를 추출하여 3분 단위의 덩어리로 잘랐습니다. 왜 하필 3분일까요? 저자들은 수면이 흔히 30초 단위로 측정되기도 하지만, 어떤 심박수 단서들은 느리게 끓이는 스튜와 같아서, 그 진정한 풍미를 드러내기 위해서는 더 오래 뭉근히 끓여낼 시간이 필요하다고 판단했기 때문입니다. 그런 다음 그들은 이 덩어리들을 사용하여 여러 종류의 "전통적인" 컴퓨터 모델들—Random Forest, k-Nearest Neighbors, XGBoost 등 다양한 스타일의 탐정이라고 생각하면 됩니다—에게 각 수면 단계의 패턴을 인식하도록 학습시켰습니다.

연구진은 두 가지 주요 전략을 테스트했습니다. 하나는 컴퓨터가 심장 신호의 '모양'만을 보는 것이고, 다른 하나는 그 모양에 더해 심장 박동 사이의 시간 간격(Inter-Beat Intervals, IBI)까지 함께 보는 것이었습니다. 이는 마치 노래를 식별할 때 멜로디만 듣는 것과, 멜로디와 리듬을 함께 듣는 것의 차이와 같습니다.

결과: 심장 박동의 리듬이 승리하다

결과는 꽤 유망했지만, 몇 가지 주의할 점도 있었습니다. 연구 결과, 신호의 모양과 리듬 간격(IBI)을 결합하는 것이 바로 '비법 소스'였다는 사실이 밝혀졌습니다. 모델이 두 종류의 단서를 모두 사용했을 때, 수면 단계를 훨씬 더 잘 예측했습니다.

이 쇼의 주인공은 Random Forest 모델이었습니다. 데이터에 대해 조금씩 다른 질문을 던지는 100명의 서로 다른 전문가 위원회가 있다고 상상해 보세요. 그리고 그들이 투표를 통해 답을 결정하는 방식입니다. 이 "위원회" 접근 방식이 가장 효과적이었으며, 72.2%의 정확도와 코헨스 카파(Cohen's Kappa) 점수 0.65를 달iel했습니다. 이는 모델이 약 4분의 3의 확률로 정답을 맞혔다는 의미이며, 이토록 어려운 과제에 있어서는 견고한 성과입니다. "가장 가까운" 유사한 수면 덩어리를 바탕으로 추측하는 k-Nearest Neighbors 모델은 **71.6%**의 정확도로 매우 근소한 차이로 2위를 차지했습니다.

하지만 논문은 탐정들이 어려움을 겪었던 부분에 대해서도 주의 깊게 언급합니다. 모델들은 당신이 깨어 있거나 깊은 잠에 빠졌을 때는 잘 찾아냈지만, "얕은 수면" 단계(특히 2단계)를 구별하는 데는 어려움을 겪었습니다. 이는 마치 거의 똑같아 보이는 두 가지 파란색의 차이를 구별하려는 것과 같습니다. 이 단계들의 심장 신호는 너무나 비슷해서 최고의 모델조차 혼란을 겪었습니다.

또한 저자들은 이러한 결과를 얻기 위해 거대하고 복잡한 "딥 러닝" 슈퍼컴퓨터가 반드시 필요하다는 생각을 명시적으로 부정했습니다. 그들은 이러한 단순하고 전통적인 모델들이 다른 연구에서 발견되는 화려한 신경망만큼이나 잘 수행될 수 있음을 보여주었으며, 오히려 이해하기 쉽고 계산 능력도 덜 필요하다는 장점이 있음을 입증했습니다. 이는 여러분의 다음 스마트워치가 거대한 서버 팜으로 데이터를 보낼 필요 없이, 기기 자체에서 바로 이러한 분석을 수행할 수 있음을 시사한다는 점에서 매우 큰 의미가 있습니다.

결론

그렇다면 이 모든 것이 무엇을 의미할까요? 이 연구는 우리가 상세한 수면 지도를 얻기 위해 반드시 병원 침대에 몸을 묶어둘 필요는 없다는 것을 시사합니다. 단순한 심장 센서와 스마트한 전통적 컴퓨터 모델을 사용함으로써, 우리는 까다로운 단계들을 포함하여 우리의 수면 단계를 꽤 정확하게 파악할 수 있습니다. 비록 시스템이 아직 완벽하지는 않지만(여전히 얕은 수면 단계에서는 혼란을 겪습니다), 웨어러블 기기가 언젠가 우리 손목 위에서 상세한 5성급 수면 품질 보고서를 제공할 수 있다는 것을 증명합니다. 저자들은 이 접근 방식이 비록 모든 수면의 미스터리를 하룻밤 사이에 해결할 "마법의 탄환"은 아닐지라도, 수면 모니터링을 모두에게 저렴하고 편안하게 만드는 실질적이고 강력한 단계라고 결론지었습니다.