잡음 많은 PPG에서도 심박수 정확도 높였다…서울대병원, 자기지도학습 AI 분석법 제시

헬스라이프헤럴드 2026.01.07 조회수

스마트워치나 환자 모니터링 장비를 통해 심박수를 측정할 때, 움직임이 많거나 착용 상태가 일정하지 않으면 측정값의 신뢰도가 떨어지는 경우가 적지 않다. 이러한 한계는 현재 널리 사용되는 광용적맥파(Photoplethysmogram, PPG) 기반 심박수 측정 방식에서도 반복적으로 지적돼 왔다. PPG는 손목이나 손가락에 빛을 조사해 혈류 변화에 따른 광 신호를 감지하는 방식으로, 간편성과 비침습성이라는 장점이 있지만 일상 환경에서는 움직임, 피부 접촉 변화, 주변 광 간섭 등으로 인해 잡음이 쉽게 섞인다.

서울대병원 영상의학과 이동헌 교수 연구팀은 이러한 문제를 해결하기 위해 잡음이 포함된 PPG 신호를 단일한 불완전 신호로 처리하는 기존 접근에서 벗어나, 여러 생리적 신호가 혼합된 결과로 해석하는 새로운 분석 전략을 제시했다. 연구팀은 여러 신호가 뒤섞인 관측 데이터에서 의미 있는 근원 신호를 분리하는 블라인드 소스 분리(BSS) 개념을 정답 데이터 없이 학습하는 자기지도학습 인공지능 구조에 적용했다.

연구에 활용된 모델은 BSS 기반 자기지도학습 다중 인코더 오토인코더(Multi-Encoder Autoencoder, MEAE) 구조로, 별도의 잡음 제거 필터나 사전 데이터 선별 과정 없이 대규모 수면다원검사 공개 데이터베이스(MESA)의 PPG 신호를 그대로 학습에 사용했다. 그 결과 하나의 PPG 신호는 여러 근원 신호로 분리됐으며, 이 가운데 심장 박동 패턴이 가장 뚜렷하게 나타나는 신호를 선택해 심박수 계산에 활용할 수 있었다. 분리된 근원 신호에서는 심전도로 측정한 심장 박동 시점과 일치하는 피크가 명확하게 확인됐다.

심박수 분석 성능은 심전도(ECG)로 측정한 기준 심박수를 바탕으로, PPG 원 신호를 그대로 사용한 경우, 기존 신호 처리 및 분리 기법, 그리고 연구팀이 제안한 BSS 기반 MEAE 방법을 비교해 평가했다. 일상 활동 중 잡음이 포함된 PPG를 측정한 9명의 피험자 데이터(총 108개 기록)를 분석한 결과, 심전도 기준 대비 오차(RMSE)는 기존 PPG 원 신호 사용 시 14.4±10.6 bpm에서 BSS 기반 MEAE 적용 후 4.9±5.1 bpm으로 크게 감소했다. 심전도 기준 심박수와의 상관계수 역시 0.407에서 0.740으로 증가해, 심박수 변화 양상을 보다 정확하게 반영하는 것으로 나타났다. 이러한 성능 개선은 수술 환자 데이터를 활용한 분석에서도 유사하게 확인됐다.

이번 연구의 특징은 잡음의 유형이나 크기에 대한 사전 정보, 인위적인 잡음 증강 없이도 심박수 분석에 적합한 근원 신호를 직접 분리해 활용할 수 있음을 입증했다는 점이다. 이는 실제 임상 환경뿐 아니라 의료 목적의 웨어러블 기기에서도 보다 안정적인 심박수 모니터링 기술로 확장될 가능성을 시사한다.

이동헌 교수는 “이번 연구에서는 심박수 계산에 필요한 신호뿐 아니라 호흡 등 심장 박동과는 다른 생리적 리듬에 해당하는 신호가 명확히 구분되어 나타나는 양상도 확인했다”며 “이는 인공지능이 정답을 미리 알지 못한 상태에서도 신호의 구조적 차이를 스스로 학습할 수 있음을 보여주는 결과”라고 설명했다.

한편, 이번 연구 성과는 생체공학 및 의료정보학 분야 국제 학술지 Computers in Biology and Medicine 최근호에 게재됐다.