[김태열의 생생건강S펜] “폰과 웨어러블 연동으로 하지불안증후군 선별..고대안암병원 교수·학생 공동연구”

고려대학교 안암병원 정신건강의학과 조철현 교수 연구팀 (1저자 정진경 고려대학교 의과대학생, 전윤서 고려대학교 의과대학생, 김형주 고려대학교 산업경영공학과 석박사통합과정생)이 웨어러블 기기와 스마트폰 앱 데이터를 활용해 하지불안증후군 증상군을 예측할 수 있는 머신러닝 기반 진단 모델을 도출하고 성능을 검증했다고 밝혔다.<사진출처:게티이미지뱅크>

[헤럴드경제=김태열 건강의학 선임기자] 고려대학교 안암병원 정신건강의학과 조철현 교수 연구팀 (1저자 정진경 고려대학교 의과대학생, 전윤서 고려대학교 의과대학생, 김형주 고려대학교 산업경영공학과 석박사통합과정생)이 웨어러블 기기와 스마트폰 앱 데이터를 활용해 하지불안증후군 증상군을 예측할 수 있는 머신러닝 기반 진단 모델을 도출하고 성능을 검증했다.

하지불안증후군은 다리에 저항할 수 없는 움직임과 통증을 유발해 수면 장애를 초래하는 신경 감각 질환으로 전 세계 인구의 약 3.9~14.4%가 경험한다. 그러나 생물학적 진단법이 없고, 경련 등 유사 증상과 구분이 어려우며, 증상을 표현하는 방식이 환자마다 달라 진단율이 낮고, 정확한 진단에 어려움이 있었다.

연구팀은 2023년 1월부터 2024년 7월까지 만 19세~70세 참가자 338명을 대상으로 4주간 웨어러블 기기와 스마트폰 앱을 통해 수면, 심박 수, 활동량 등 생체 데이터와 생활 습관 정보를 수집하고 일주기 리듬을 기반으로 분석했다. 이후 3가지 머신러닝 모델에 하지불안증후군의 유무와 증상 정도를 예측할 수 있도록 학습시켰다.

연구결과, 하지불안증후군 증상군 예측에서는 랜덤 포레스트(Random Forest) 모델이 AUC 0.86으로 가장 높은 정확도를 보였으며, 중증 증상군 예측에서는 XGBoost 모델이 AUC 0.70을 기록했다. 특히 웨어러블 데이터와 앱 데이터를 결합했을 때 예측 성능이 더욱 향상됐다.

조철현 교수는 “이번 연구로 디지털 표현형(Digital Phenotype)을 기반으로 하지불안증후군 증상군의 조기 선별에 적합한 머신러닝 모델을 찾았다는 것에 큰 의의가 있다”며 “임상현장에서 놓치기 쉬운 하지불안증후군 진단의 정확도 향상과 적절한 치료법 적용에 도움이 될 것으로 기대된다”고 말했다.

이번 연구는 고려대학교 의과대학 학생연구프로그램을 통해 의과대학 학생들이 참여해 그 의미가 남다르다. 전윤서 학생은 “디지털 기술 기반의 정밀의료가 확산되는 시대적 흐름 속에서, 하지불안증후군 진단에 이를 적용한 이번 연구에 참여할 수 있어 뜻깊었다”며 “학생연구프로그램에 참여한 지난 2년 반 동안의 노력이 결실을 맺을 수 있어 기쁘다”고 소감을 전했다.

정진경 학생은 “웨어러블과 스마트폰 데이터를 활용한 디지털 표현형 기반 분석이라는 새로운 연구 방식을 경험할 수 있어 뜻깊었다”며 “이번 학생연구프로그램을 통해 의과학자로서의 진로에 대해 긍정적으로 고려해볼 수 있었다”고 말했다.

이번 연구 ‘Machine learning-based prediction of restless legs syndrome using digital phenotypes from wearables and smartphone data’는 네이처 출판 그룹의 국제학술지 Scientific Reports 5월호에 게재됐다.