전국적인 전염병인 불면증은 치료 및 연구가 어렵고 복잡한데요.
하루 7시간 이상의 수면을 건강한 수면으로 정의하는 미국 질병통제예방센터(Center for Disease Control and Prevention, CDC)에 따르면, 미국 성인 세 명 중 한 명은 수면 부족을 겪는다고 합니다.
지금까지 수면 패턴은 환자에게 가슴 스트랩, 비강 프로브, 머리 전극 등을 부착하는 방식으로 모니터링 해왔는데요. 이러한 불편한 모니터링 방법은 오히려 불면증을 초래해 수집된 데이터의 대표성을 떨어뜨리기 마련입니다.
불면증 환자에게 숙면을 제공하기 위해, MIT와 매사추세츠 종합병원(Massachusetts General Hospital) 연구진은 센서 부착 없이도 수면 패턴을 모니터링 할 수 있는 Wi-Fi같은 시그널과 인공지능(AI)을 연구하고 있습니다.
MIT 대학 무선 센터를 맡고 있는 디나 카타비(Dina Katabi) 전기공학 및 컴퓨터 과학과 교수는 “지속적인 수면 모니터링이 어려워, 수면에 대해 제대로 알지 못하고 있습니다”라고 밝혔습니다.
관련 논문을 작성한 연구팀은 디나 카타비 교수, 매트 비앙키(Matt Bianchi) 매사추세츠 병원 수면의학과 과장, 토미 자콜라(Tommi Jaakkola) MIT 전기공학 및 컴퓨터과학과 교수가 주도하고 있습니다. MIT 대학원 연구원인 밍민 자오(Mingmin Zhao)와 쓰차오 유에(Shichao Yue)도 논문 공저자로 참여했습니다.
침실에 설치된 무선기기 덕분에, 연구 피실험자들은 집에서 수면을 취할 수 있었습니다. 무선기기는 실험 대상자로부터 반사되는 신호를 측정하여 클라우드를 통해 연구진에게 데이터를 송출합니다.
연구진은 방 안에 있는 사람이 무선 주파수(Radio Frequency, 이하 RF)에 어떤 영향을 미치는지에 대한 이해를 바탕으로 맥박, 호흡수, 움직임 등 관련 측정 수치를 통해 얕은 수면, 깊은 수면, 램 수면, 각성 등 수면을 여러 단계로 분석할 수 있습니다.
이 연구에서 사용된 조건부 적대적 아키텍처(Conditional Adversarial Architecture)라는 새로운 뉴럴 네트워크 디자인은 관련 없는 정보를 삭제하여 수면 단계 연구에 중요한 정보에 집중할 수 있도록 RF 시그널을 처리하는데요. 새로운 뉴럴 네트워크 덕분에 연구진은 무선 시그널을 사용한 기존 수면 연구 보다 훨씬 높은 정확성을 확보할 수 있습니다.
실제로 RF 기법에 바탕을 둔 기존 연구의 정확도는 64%인데 비해 MIT의 무선 연구는 예측 정확성이 거의 80%에 달합니다.
데이터 분석
연구진은 피실험자 25명을 대상으로 100일 동안 수면 모니터링을 실시하여, 30초 간격으로 데이터를 레이블링하고 실험군과 트레이닝 군을 구분했습니다.
연구에 활용된 클라우드 기반 서비스는 원격으로 시그널을 수집해 알고리즘 모델을 구동할 수 있는데요. 카타비 교수는 단 몇 초 만에 하루 분량의 수면 데이터를 분석해내기 때문에 시장성이 있다고 설명합니다.
카타비 교수는 “딥 러닝 모델은 시그널 분석을 통해 대상자의 수면 단계를 파악합니다”라고 말했습니다.
MIT 연구진은 모델 트레이닝과 백엔드 클라우드 기반 추론에 엔비디아 타이탄(TITAN) X GPU을 채택했습니다. 또한 엔비디아의 cuDNN 라이브러리와 텐서플로우(TensorFlow) 딥 러닝 프레임워크도 사용했습니다.
수면 연구의 시사점
수면 단계 연구가 진전되면 광범위한 영역에서 적용될 수 있는데요. 수면 단계 포착은 우울증을 모니터링 하는데 사용될 수 있습니다. 우울증 환자의 경우 램 수면 단계가 조기에 발생하기 때문인데요. 여러 제약사들이 주목하고 있는 부분이지요.
많은 알츠하이머 연구에서도 환자들이 깊은 수면에 도달하는지, 이러한 깊은 수면이 알츠하이머에 어떤 영향을 끼치는지 등 수면 단계에 관심을 보이고 있습니다. 파킨슨 환자의 경우도 마찬가지입니다.
카타비 교수는 “수면은 파킨슨 병 악화에 영향을 미치기 때문에 환자에게 문제가 됩니다. 또한 수면 장애는 파키슨 병의 전조일 수 있습니다”라고 설명했습니다.
다른 적용 가능 분야로는 수면 중 호흡 장애가 발생하는 수면무호흡증을 들 수 있습니다. 또한 의료진은 수면 패턴 변화를 관찰하여 심장병 환자나 다발성 경화증 환자를 모니터링 할 수도 있습니다.