인공지능(AI)이 하룻밤 동안의 수면 기록만 분석해 치매나 심장 질환 같은 중증 질병의 발병 위험을 예측한다는 연구 결과가 나왔다. 미국 스탠퍼드대학교 연구팀은 약 6만 5천 명의 참가자로부터 수집한 58만 5천 시간 이상의 수면 다원 검사(PSG) 데이터를 분석해 이 같은 사실을 밝혀냈다. 이번 연구는 수면 데이터가 단순히 수면 장애를 진단하는 것을 넘어, 전반적인 신체 건강 상태를 보여주는 중요한 디지털 지표가 될 수 있음을 시사한다.

연구팀은 뇌파, 심전도, 호흡, 근육 활동 등 다양한 생체 신호를 측정하는 수면 다원 검사(PSG) 기록을 활용해 'SleepFM'이라는 인공지능 기초 모델(Foundation Model)을 개발했다. 기존의 분석 방식은 전문가가 수면 단계를 일일이 표시해야 해서 시간이 오래 걸리고 데이터 활용에 한계가 있었으나, 연구팀은 방대한 양의 데이터를 스스로 학습하는 대조 학습(Contrastive Learning) 방식을 적용해 이 문제를 해결했다. 연구에는 스탠퍼드 수면 클리닉을 포함한 4개 기관의 대규모 데이터셋이 활용되었으며, 이는 기존 연구 대비 5배에서 25배 더 많은 데이터 양이다.

연구 결과, AI는 단 하룻밤의 수면 데이터만으로 총 130가지의 건강 상태를 예측하는 데 성공했다. 예측 정확도를 나타내는 C-인덱스(C-Index, 1에 가까울수록 정확함) 수치에서 치매는 0.85, 모든 원인에 의한 사망 위험은 0.84, 심근경색은 0.81, 심부전은 0.80, 뇌졸중은 0.78이라는 높은 정확도를 기록했다. 이는 연령이나 성별 같은 기본 인구통계학적 정보만 사용했을 때보다 월등히 높은 수치이며, 특히 파킨슨병(0.93)이나 유방암(0.90) 같은 질환에서도 뛰어난 예측 성능을 보였다.

이번 연구는 수면 중에 나타나는 미세한 생체 신호의 변화가 다양한 만성 질환의 조기 신호가 될 수 있음을 입증했다는 점에서 의미가 크다. 특히 뇌 활동 신호는 정신 및 신경 질환을, 호흡 신호는 대사 질환을, 심전도 신호는 순환기 질환을 예측하는 데 중요한 역할을 하는 것으로 나타났다. 또한 개발된 AI 모델은 학습에 사용되지 않은 외부 데이터셋(수면 심장 건강 연구, SHHS)에서도 뇌졸중이나 심부전 등을 정확히 예측해, 다양한 의료 환경에서의 범용적인 활용 가능성을 확인했다.

본 연구의 교신 저자인 제임스 주(James Zou) 스탠퍼드대 교수는 "이번 연구는 AI 모델이 수면 기록이라는 복잡한 언어를 학습하여, 라벨링(정답지)이 없는 데이터로도 확장성 있게 질병을 예측할 수 있음을 보여준다"고 설명했다. 아울러 연구팀은 논문을 통해 "수면 장애는 종종 정신 질환이나 신경 퇴행성 질환, 심혈관 질환의 임상적 발병보다 선행해서 나타난다"며, "이러한 연관성은 수면이 전반적인 건강을 유지하는 데 중요한 역할을 하며 광범위한 질병에 대한 예측 잠재력을 가지고 있음을 강조한다"고 덧붙였다.

이번 연구 결과(A multimodal sleep foundation model for disease prediction: 질병 예측을 위한 다중 모달 수면 파운데이션 모델)는 26년 1월 국제학술지 '네이처 메디신(Nature Medicine)'에 게재됐다.