수면 기록으로 인지장애를 예측하는 LSTM

나이가 들면 누구나 기억력이 조금씩 떨어진다. 그래서 정상 노화와 치매로 이어질 수 있는 초기 인지장애를 구분하기 어렵다. 선별 검사는 검사 당일의 상태만 진단한다. 환자 데이터 기반 접근은 환자가 참여를 거부하면 불완전한 자료를 쓰게 될 수 있다.

앞서 다룬 음성 분석은 녹음이라는 별도 과제가 필요했다. 이번에는 손가락에 낀 반지형 기기가 밤마다 남기는 수면 기록을 다룬다. 질문은 이렇다. 웨어러블이 매일 쌓는 수면 기록만으로 인지장애가 있는 사람을 가려낼 수 있을까?

이 질문에 답한 논문을 한 편 읽어 본다.

• 제목: Prediction of Cognitive Impairment Using Sleep Lifelog Data and LSTM Model
• 학술지: Mathematics
• 연도: 2024
• DOI: 10.3390/math12203208

논문이 제안한 방법은 두 부분으로 이루어진다. 앞부분은 하루 단위 수면 기록을 3일, 4일, 5일 연속 묶음으로 바꾸어 장단기 메모리(Long Short-Term Memory, LSTM) 모형에 넣는다. 이 모형은 날짜 순서대로 들어오는 값을 기억하며 학습하는 신경망이다. 뒷부분은 섀플리 가법 설명(SHapley Additive exPlanations, SHAP)으로 어떤 수면 지표가 예측을 움직였는지 계산한다.

글 전체에서 쓰는 용어는 다음과 같다.

• 라이프로그(lifelog): 일상에서 센서가 자동으로 기록한 생활 자료. 이 글에서는 수면 기록이다.
• 경도인지장애(Mild Cognitive Impairment, MCI): 일상생활에 지장을 줄 정도는 아니지만 치매로 이어질 수 있는 정상 인지와 치매의 중간 단계.
• 정상 인지(Normal Cognition, NC)와 치매(Dementia, DE): 데이터의 진단 라벨이다. 논문은 MCI와 DE를 묶어 ‘인지장애 집단’으로 다룬다.
• 시퀀스(sequence): 한 사람의 연속된 며칠치 기록을 하나로 묶은 학습 단위.

동기: 한 시점의 기록으로는 서서히 오는 인지 저하를 놓친다

왜 인지장애 조기 발견이 중요한가

논문이 든 이유는 다음과 같다.

• 고령 인구가 빠르게 늘면서 인지장애 환자도 늘었다.
• MCI 환자의 5–10%가 해마다 치매로 진행한다. 이 비율은 일반 인구보다 훨씬 높다.
• MCI가 모두 치매로 가는 것은 아니다. 일찍 약물이나 재활을 시작하면 저하를 늦추거나 정상으로 되돌릴 수 있다.
• 논문은 조기 발견이 치매를 예방해 사회·경제 비용 절감에 기여할 수 있다고 본다. 그러나 정상 노화와 MCI를 비교할 뚜렷한 기준이 없다.

가장 널리 쓰는 선별 도구는 간이정신상태검사(Mini-Mental State Examination, MMSE)이고, 국내에서는 한국판인 K-MMSE를 쓴다. 논문은 이 도구가 가벼운 증상에서 민감도와 특이도가 낮다고 지적한다. 검사 당일의 상태만 진단하고 평소 행동은 다루지 못한다는 점도 짚는다.

기존 연구가 다루지 않은 부분

데이터로 인지장애를 찾는 연구는 두 방향으로 나뉜다. 첫째는 환자에게서 직접 얻은 자료를 쓰는 방향이다. 뇌파(Electroencephalography, EEG)에 패턴 인식을 적용한 연구, 음성 신호의 음향 특징으로 환자와 건강한 사람을 구분한 연구가 여기에 속한다. 논문은 이런 자료가 노인에게 부담을 주어 계속 모으기 어렵다고 본다.

둘째는 라이프로그를 쓰는 방향이다. 손목밴드의 활동·수면 자료로 인공신경망(Artificial Neural Network, ANN)을 학습해 MCI를 분류한 연구가 있다. 요양시설 센서 자료를 다층 퍼셉트론(Multilayer Perceptron, MLP)에 넣어 치매 환자의 이상 행동을 탐지한 연구도 있다. 논문이 짚은 빈틈은 다음과 같다.

• 라이프로그 연구도 한 시점의 값만 입력으로 썼다. 날마다 쌓이는 자료의 시간 변화를 활용하지 않았다.
• 분류 성능을 높이는 데 집중했다. 어떤 요인이 인지장애와 관련되는지 해석은 부족했다.
• 근거를 설명하지 못하는 모형은 의료 진단에 바로 쓰기 어렵다.

방법: 하루 단위 수면 기록을 며칠짜리 시퀀스로 묶어 LSTM으로 분류하고 SHAP으로 해석한다

논문은 세 단계로 연구를 진행했다. 수면 라이프로그를 모아 시계열로 재구성하고, LSTM으로 인지장애를 분류하고, 설명 가능한 AI로 영향을 준 수면 요인을 찾는다. 이 글은 첫 단계를 둘로 나누어 네 단계로 정리했다. 수면 지표와 라벨을 정하는 일, 시퀀스를 만들고 학습·시험 자료를 나누는 일을 따로 다룬다.

자료와 참가자

자료는 한국지능정보사회진흥원의 AI-Hub가 제공하는 「Wearable Lifelog of Dementia High Risk Group」이다. 이 자료는 AI-Hub에서 받을 수 있다. 55세 이상 300명이 반지형 웨어러블을 끼고 남긴 수면 기록이다. 진단 라벨은 전문의의 종합 진단으로 붙였다.

한 사람의 기록 기간은 35일에서 122일이다. 수면 시간, 혈압, 심박, 호흡 같은 정보가 들어 있다. 결측값과 이상값은 제공 기관이 이미 처리했다. 그래서 연구진은 따로 정제하지 않았다.

분석에 쓴 인원은 174명이고 수면 기록은 12,183건이다. 진단별 인원은 다음과 같다.

• 정상 인지(NC): 111명
• 경도인지장애(MCI): 51명
• 치매(DE): 12명

인지장애 집단은 51+12=63명이다. 전체의 63÷174=36%이고, 정상 인지 집단은 111÷174=64%다. 300명 가운데 174명을 분석에 쓴 기준은 근거에 적혀 있지 않다.

1단계: 수면 지표와 진단 라벨 정하기

• 입력: 하루 한 행으로 된 수면 기록과 진단명(NC, MCI, DE)
• 처리: 수면 지표 32개 선정, 라벨을 두 집단으로 재정의
• 산출: 32개 변수와 0/1 라벨이 붙은 일별 자료

1. 연구진은 수면 지표 32개를 정했다. 인지장애가 낮밤 바뀜, 잠들기 어려움, 잦은 야간 각성과 함께 나타난다는 선행 연구를 참고했다.
2. 지표를 두 묶음으로 나누었다. 수면의 질 지표 26개와 통계 지표 6개다.
3. 라벨을 정상(0)과 인지장애(1)로 바꾸었다. MCI와 DE를 한 집단으로 묶었다.

라벨을 묶은 이유는 두 가지다. 치매 환자가 12명뿐이라 세 집단으로 나누면 불균형 때문에 성능이 떨어질 위험이 컸다. 연구 목표도 단계 구분이 아니라 인지장애가 있는지 여부였다.

수면의 질 지표에는 다음이 들어간다.

• 깬 시간, 깊은 잠, 얕은 잠, 렘(Rapid Eye Movement, REM) 수면 시간(초)
• 수면 효율: 총 수면 시간 ÷ 수면 시간 × 100
• 잠드는 데 걸린 시간, 뒤척임 비율(%), 피부 온도 편차
• start1–6, end1–6: 잠든 시각과 깬 시각이 하루를 4시간씩 나눈 여섯 구간 가운데 어디에 드는지(0 또는 1)

통계 지표는 분당 평균 호흡수, 분당 심박의 평균·최솟값·최댓값·중앙값, 평균 심박변이도(rmssd_average, 밀리초)다.

원자료 한 행의 모습은 논문 표 2에서 확인할 수 있다. 첫 행은 MCI 환자의 하룻밤이다. 잠자리 시작은 18:38:28, 끝은 05:10:28이고 깬 시간은 8,700초, 총 수면은 29,220초다. 이런 일별 행이 32개 지표와 진단 라벨을 담은 학습 자료가 된다.

2단계: 며칠짜리 시퀀스로 재구성하고 시험 자료 떼어 두기

• 입력: 1단계의 일별 자료 12,183건
• 처리: 사람별로 연속 3일, 4일, 5일씩 묶기, 마지막 한 주를 시험용으로 분리, 학습 자료 언더샘플링
• 산출: 길이별 학습 시퀀스와 시험 시퀀스

1. 연구진은 사람마다 연속된 날짜의 기록을 3일, 4일, 5일 단위로 묶었다.
2. 각 참가자의 마지막 한 주 기록을 떼어 시험 자료로 두었다. 나머지는 학습에 썼다.
3. 학습 자료에서는 정상 집단이 많다. 그래서 정상 집단 일부만 남기는 단순 언더샘플링으로 두 집단의 크기를 맞추었다.

시퀀스로 묶은 이유는 인지장애가 서서히 나타나기 때문이다. 하루치 값으로는 보이지 않는 생활 패턴의 흐름을 며칠치 묶음에서 찾으려는 것이다.

3단계: LSTM 학습과 비교 모형

• 입력: 2단계의 길이별 학습 시퀀스
• 처리: 격자 탐색(grid search)으로 설정값 결정, LSTM 학습, 시계열을 쓰지 않는 비교 모형 4개 학습
• 산출: 3일·4일·5일 LSTM 3개와 비교 모형 4개, 모두 7개 모형

LSTM은 매일의 입력을 받을 때마다 ‘기억 상자’인 셀 상태(cell state)를 고친다. 이 과정을 네 단계로 풀면 다음과 같다.

1. 망각 게이트: 전날까지의 기억에서 얼마나 지울지 0과 1 사이 값으로 정한다.
2. 입력 게이트: 오늘의 입력에서 새로 담을 후보를 만들고, 얼마나 담을지 정한다.
3. 셀 상태 갱신: 남긴 기억과 새로 담을 정보를 더해 오늘의 기억을 만든다.
4. 출력 게이트: 오늘의 기억에서 다음 단계로 넘길 값을 정한다.

이 구조 덕분에 LSTM은 일반 순환 신경망이 먼 과거를 잊는 문제를 줄인다. 그래서 시간에 따라 바뀌는 수면 기록에 맞는다.

1. 연구진은 LSTM 유닛 64·128·256개, 밀집층 유닛 32·64·128개, 학습률 0.001에서 0.01을 조합해 격자 탐색을 했다.
2. 최종 모형은 LSTM층 128 유닛, 밀집층 64 유닛, 이진 분류용 출력층이다.
3. 최적화 방법은 Adam이고 학습률은 0.001이다. 정확도와 검증 손실의 균형이 가장 좋은 설정이었다.
4. 비교용으로 서포트 벡터 머신(Support Vector Machine, SVM), 로지스틱 회귀(Logistic Regression, LR), 랜덤 포레스트(Random Forest, RF), XGBoost를 만들었다. 이 모형은 시계열 특성을 반영하지 않는다. 설정값은 H2O AutoML 라이브러리(H2O 3.46.0.1)로 정했다.

자료가 174명으로 작아 과적합(학습 자료에만 맞고 새 자료에서 성능이 떨어지는 현상) 위험이 있었다. 그래서 학습 중에 조기 종료(early stopping)를 적용했다.

4단계: 성능 평가와 SHAP 해석

• 입력: 학습된 7개 모형과 시험 시퀀스
• 처리: 분류 지표 계산, 상위 K명 정밀도 계산, 가장 성능이 좋은 모형에 Deep SHAP 적용
• 산출: 모형별 성능표, precision@100, 지표별 중요도와 영향 방향

분류 지표의 뜻은 다음과 같다.

• 민감도: 실제 인지장애인 사례 가운데 모형이 인지장애로 맞힌 비율. TP ÷ (TP + FN)
• 특이도: 실제 정상인 사례 가운데 모형이 정상으로 맞힌 비율. TN ÷ (TN + FP)
• 정밀도: 모형이 인지장애라고 한 사례 가운데 실제 인지장애인 비율
• F1 점수: 정밀도와 재현율(민감도)을 함께 반영한 값
• AUC(Area Under the Curve): 판정 기준을 바꾸어 가며 그린 수신자 조작 특성(Receiver Operating Characteristic, ROC) 곡선 아래 넓이. 1에 가까울수록 좋다

여기서 TP는 인지장애를 인지장애로 맞힌 경우, FN은 인지장애를 정상으로 놓친 경우다. TN은 정상을 정상으로 맞힌 경우, FP는 정상을 인지장애로 잘못 본 경우다.

모형은 0과 1 사이 예측 점수를 낸다. 점수가 0.5를 넘으면 인지장애, 아래면 정상으로 판정한다. 상위 K명 정밀도(precision@K)는 예측 점수를 높은 순으로 정렬한 뒤 위에서 K명 가운데 실제 인지장애 환자의 비율이다.

SHAP은 협력 게임 이론의 섀플리 값으로 각 지표의 기여를 나눈다. 모든 지표가 빠진 기준값에서 출발한다. 지표를 하나씩 넣을 때 예측이 얼마나 바뀌는지 구하고, 넣는 순서를 모두 고려해 평균을 낸다. 기준값에 모든 지표의 SHAP 값을 더하면 원래 예측값이 된다. 연구진은 신경망에 맞춘 Deep SHAP을 썼다.

변형과 시나리오

논문이 바꾼 조건은 시퀀스 길이다. 같은 LSTM 구조를 3일, 4일, 5일 묶음으로 각각 학습했다. 설정값도 길이마다 격자 탐색으로 따로 찾았다. 길이에 따라 성능이 어떻게 달라졌는지는 결과에서 다룬다.

결과: 5일 시퀀스 LSTM이 민감도 0.89, AUC 0.92로 비교 모형보다 높았다

LSTM과 시계열을 쓰지 않은 모형의 비교

연구진은 7개 모형을 민감도, 특이도, F1 점수로 먼저 비교했다. 값이 비슷하면 AUC로 다시 비교했다. 아래 두 표는 Hong 외(2024)의 표 5를 모바일 화면에 맞게 둘로 나누어 재구성한 것이다. 원 논문은 CC BY 4.0 라이선스로 공개되어 있다.

출처: Junhee Hong 외, “Prediction of Cognitive Impairment Using Sleep Lifelog Data and LSTM Model”, Mathematics (2024)의 표 5를 재구성. CC BY 4.0

출처: 같은 논문의 표 5를 재구성. CC BY 4.0

가장 큰 차이는 민감도에서 나왔다. 5일 LSTM은 0.89이고 XGBoost는 0.68이다. 이 시험 자료에서는 LSTM의 민감도가 더 높았다. 다만 같은 시험 자료에서 한 번 측정한 결과이고, 같은 사람이 학습과 시험에 모두 들어간 설계다.

특이도는 5일 LSTM이 0.80, 랜덤 포레스트가 0.77, XGBoost가 0.76이다. 3일 LSTM의 특이도 0.74는 두 트리 모형보다 낮다. 필자가 보기에 특이도에서는 민감도만큼 큰 차이가 나지 않았다.

시퀀스 길이에 따른 차이

LSTM끼리 비교하면 묶는 날짜가 길수록 지표가 좋아졌다. AUC는 3일 0.88, 4일 0.91, 5일 0.92다. 특이도는 0.74, 0.77, 0.80으로 올랐다. 민감도는 4일과 5일이 0.89로 같다.

이 시험에서는 길이가 길수록 특이도와 AUC가 높았다. 다만 길이마다 시험을 한 번씩 한 결과여서, 길이 자체의 효과로 단정하기는 어렵다. 논문은 5일 LSTM을 최종 모형으로 정했다. 논문은 3일, 4일, 5일 시퀀스만 구성했다.

상위 100명 정밀도

연구진은 예측 점수가 높은 순으로 100명을 뽑았을 때 실제 환자가 몇 명인지 확인했다. LSTM의 precision@100은 96%다. 상위 100명 가운데 96명이 실제 인지장애였다(96÷100=96%).

이 지표는 정밀 검사를 받을 사람을 우선순위로 추려야 하는 상황에 맞는다. 비교 모형 가운데서는 랜덤 포레스트와 XGBoost가 시계열 없이도 비교적 잘 찾았다. 모형별 정확한 값은 근거에 숫자로 제시되지 않았다.

예측 점수의 예도 있다. MCI 환자 두 명의 점수는 0.999999였다. 논문의 예시 표에는 점수 0.756962인 정상인이 인지장애로 잘못 분류된 사례가 있다.

신호가 된 수면 지표

연구진은 5일 LSTM에 SHAP을 적용했다. 두 가지 결과를 냈다.

• 요약 그림: 지표마다 SHAP 값의 분포를 찍고, 지표 값이 높으면 빨강, 낮으면 파랑으로 표시한다. 오른쪽으로 퍼질수록 인지장애 쪽으로 미는 영향이 크다.
• 막대그림: 지표마다 SHAP 절댓값의 평균을 막대로 그린다. 전체 예측에서의 중요도다.

중요도 순서로 상위 다섯 지표는 다음과 같다.

1. 분당 평균 호흡수
2. 심박변이도(Heart Rate Variability, HRV)
3. REM 수면 시간
4. 깊은 잠 시간
5. 뒤척임 비율

영향의 방향도 확인되었다. 호흡수가 많을수록, 뒤척임이 잦을수록 모형은 인지장애 위험을 높게 보았다. REM 수면과 깊은 잠이 짧고 얕은 잠이 길수록 위험이 높게 나왔다. HRV가 낮을수록 예측 위험이 높았다.

상위 두 지표에 대한 의학 근거는 약하다. 1위인 호흡수에 대해 논문은 결과 논의에서 별도 의학 근거를 들지 않았다. 지표 선정 단계에서 수면의 질을 나타내는 생리 지표로 선행 연구를 인용했을 뿐이다. 2위인 HRV는 수면·전반적 건강과 밀접하다는 문헌을 언급하는 데 그쳤다.

논문이 인용한 임상 연구는 REM 수면에 관한 간접 근거다. REM 수면 중에는 대뇌 피질 모세혈관으로 들어가는 적혈구가 크게 늘어난다는 연구가 있다. 논문은 이 연구를 바탕으로 REM 수면 박탈이 인지 저하를 가속한다는 견해를 지지한다고 해석했다. 수면 부족이 아밀로이드와 불용성 타우 단백질의 증가와 연결된다는 연구도 있다.

한 가지 주의할 점이 있다. 논문의 요약 문단은 영향이 큰 지표로 호흡수, REM 수면, 뒤척임, 얕은 잠을 들었다. 막대그림의 상위 다섯과 구성이 조금 다르다. 읽을 때는 막대그림 순서를 기준으로 삼는 편이 안전하다.

의의와 한계

무엇이 달라지는가

• 하루 단위 수면 기록을 3일, 4일, 5일 연속 묶음으로 바꾸어 학습했다. 단일 시점 값을 쓰던 라이프로그 연구와 다른 점이다.
• 시계열을 쓰지 않는 SVM, 로지스틱 회귀, 랜덤 포레스트, XGBoost와 같은 자료로 비교했다. 그 결과 LSTM의 민감도와 AUC가 더 높았다.
• Deep SHAP으로 수면 지표의 중요도와 영향 방향을 함께 제시했다.
• 검사 과제를 따로 두지 않았다. 환자의 적극적 참여 없이 기기가 자동으로(수동적으로) 모은 자료만 썼다.

실무자에게 주는 쓸모

음성 분석은 녹음이라는 과제를 거쳐야 했다. 수면 라이프로그는 기기를 끼고 자기만 하면 쌓인다. 논문은 웨어러블이 환자의 적극적인 참여 없이 자료를 모으므로 부담이 적고 지속성이 높다고 본다.

필자는 precision@100이 96%라는 결과가 정밀 진단 대상을 먼저 추리는 선별 용도로 쓰일 가능성을 시사한다고 본다. 다만 같은 사람이 학습과 시험에 모두 포함되어 새 사람에게의 일반화는 확인되지 않았다. 시험 자료의 인지장애 비율도 근거에 나오지 않는다. 논문도 실제 의료 현장에서 검증하지 않았다고 밝혔다.

SHAP 결과는 모형이 어떤 지표에 반응했는지 풀어 보여 주는 참고 자료가 될 수 있다. 다만 임상 검증은 되지 않았고, 드러난 것은 인과가 아니라 관련성이다. 논문이 제시한 것도 개인별 설명이 아니라 전체 자료에 대한 중요도 요약이다.

연구자에게 주는 쓸모

시퀀스 길이와 그에 맞춘 설정값을 바꾸었을 때 AUC가 0.88에서 0.92로 달라졌다. 묶는 기간이 실험 변수가 될 수 있음을 시사한다. 다만 반복 측정 없이 단정하기는 어렵다.

분석에 쓴 자료는 AI-Hub에서 받을 수 있다. 논문은 AI-Hub의 자료를 2023년 5월 1일 기준으로 접근했다고 밝혔다. 논문이 제안한 후속 과제는 게이트 순환 유닛(Gated Recurrent Unit, GRU)이나 어텐션 구조 같은 다른 모형의 시험이다.

논문이 밝힌 한계

논문이 스스로 밝힌 한계는 세 가지다.

• 표본이 174명이다. 과적합 위험이 커서 조기 종료를 썼다. 자료를 늘려 불균형을 줄이고 인지장애 단계를 구분할 필요가 있다.
• 한두 달치 기록만 썼다. 경도에서 중증으로 진행하는 기간을 생각하면 짧다. 몇 년 단위 자료와 뇌영상, 음성, 유전 정보를 함께 쓰면 더 정확해질 수 있다.
• 실제 의료 현장에서 시험하지 않았다. 임상 환경에서 검증해야 한다.

필자가 보는 적용 조건

아래는 논문에 적힌 내용이 아니라 필자가 실무 적용을 염두에 두고 덧붙이는 조건이다.

• 시험 자료는 각 참가자의 마지막 한 주다. 같은 사람이 학습과 시험에 모두 들어간다. 처음 보는 사람에게도 같은 성능이 나오는지는 사람 단위로 자료를 나누어 다시 확인해야 한다.
• 결측값과 이상값이 이미 처리된 자료를 썼다. 실제 모니터링에서는 기기를 빼고 잔 밤이 생긴다. 연속 5일 묶음이 끊길 때의 처리 규칙을 먼저 정해야 한다.
• 반지형 웨어러블 기기의 지표로 학습했다. 다른 기기는 REM 수면이나 뒤척임 비율의 계산 방식이 다를 수 있다. 기기를 바꾸면 다시 학습하는 편이 안전하다.
• SHAP 결과는 모형이 본 관련성이다. 호흡수가 인지장애를 일으킨다는 인과의 근거로 읽으면 안 된다.
• 판정 기준 0.5는 고정값이다. 선별 용도라면 놓치는 환자를 줄이도록 기준을 낮추고, 그때 특이도가 얼마나 떨어지는지 함께 확인해야 한다.

바로 해 볼 일

1. 수면 기록을 하루 한 행 표로 정리한다. 가진 웨어러블 자료에서 깬 시간, 깊은 잠, 얕은 잠, REM 수면, 뒤척임 비율, 평균 호흡수, 평균 HRV부터 열로 만든다. 논문의 32개 지표 가운데 몇 개를 확보할 수 있는지 확인한다.
2. 단일 시점 모형과 5일 시퀀스 모형을 나란히 비교한다. 사람마다 마지막 한 주를 시험용으로 떼어 둔다. 하루치 값으로 랜덤 포레스트를, 연속 5일 묶음으로 LSTM을 학습한 뒤 민감도, 특이도, AUC를 같은 표에 놓는다.
3. 상위 다섯 지표를 확인한다. 가장 성능이 좋은 모형에 SHAP을 적용해 막대그림을 그린다. 논문의 호흡수, HRV, REM 수면, 깊은 잠, 뒤척임과 순서가 얼마나 겹치는지 비교한다.

비즈니스인텔리전스랩 블로그는 데이터로 기술과 사람을 읽는 논문을 한 편씩 풀어 쓴다. 다음 글에서도 방법의 단계와 결과의 숫자를 함께 따라간다.