인바디(체성분 검사)에서 측정한 근육량과 제지방량 정보만으로 불면증과 수면무호흡증 위험을 높은 정확도로 예측하는 인공지능(AI) 모델이 국내 연구진에 의해 개발됐다.
연구진은 체중과 키만 반영하는 BMI(체질량지수)보다 근육량과 제지방량 등 체성분 정보가 수면장애 위험을 더 정확하게 설명한다며, 수면다원검사 이전 단계에서 위험군을 선별하는 데 활용될 수 있을 것으로 기대했다.
인제대학교 일산백병원 신경과 배희원 교수와 삼성서울병원 주은연 교수, 한국과학기술원(KAIST) 김재경 교수 공동연구팀은 인바디 검사에서 측정한 근육량과 제지방량 정보를 활용해 기존보다 정확하게 수면장애 위험을 예측하는 AI 모델 ‘I-SLEEPS(InBody-based SimpLE quEstionnairE Predicting Sleep Disorders)’를 개발했다고 15일 밝혔다.
대표적인 수면장애인 불면증과 폐쇄성 수면무호흡증은 삶의 질을 떨어뜨리는 것은 물론, 두 질환이 함께 나타나는 복합 수면장애(COMISA)의 경우 심혈관질환과 당뇨병, 인지기능 저하 위험까지 높이는 것으로 알려져 있다.
현재 정확한 진단을 위해서는 병원에서 하룻밤 동안 잠을 자며 검사하는 수면다원검사가 필요해 검사 비용과 시간 부담이 커 진단이 늦어지는 경우가 적지 않다.
기존 예측 모델은 BMI와 설문 등을 활용했지만, BMI는 근육과 지방의 비율을 구분하지 못한다는 한계가 있다.
연구팀은 이런 점에 착안해 인바디 검사에서 확인할 수 있는 골격근지수(SMI)와 제지방지수(FFMI)를 AI 모델에 반영했다. 이를 통해 총 10개 변수로 구성된 새로운 예측 모델 ‘I-SLEEPS’를 개발했다.
실제로 같은 BMI에서도 근육량과 체성분 차이에 따라 수면장애 위험이 크게 달라질 수 있다는 점을 연구팀은 확인했다.
연구팀은 수면다원검사와 인바디 검사를 함께 받은 3,291명의 데이터를 분석해 AI 모델을 개발했다. 이후 별도의 환자군을 대상으로 성능을 검증한 결과, 기존 예측 모델보다 불면증과 폐쇄성 수면무호흡증, 그리고 두 질환이 함께 나타나는 복합 수면장애(COMISA) 모두에서 예측 정확도가 향상됐다.
특히 불면증은 96%, 폐쇄성 수면무호흡증은 93%, 복합 수면장애는 97% 수준의 높은 예측 정확도를 보였다.
또한 외부 병원 환자 195명을 대상으로 추가 검증한 결과에서도 높은 예측 정확도를 유지해 다른 의료기관에서도 활용 가능성이 높은 것으로 나타났다.
연구팀은 AI 분석을 통해 체성분과 수면장애의 연관성도 확인했다. 분석 결과 골격근지수(SMI)와 제지방지수(FFMI)가 낮을수록 불면증 위험이 높아졌으며, 반대로 SMI와 FFMI가 높을수록 폐쇄성 수면무호흡증 위험이 증가하는 경향을 보였다.
불면증 환자는 만성적인 수면 부족과 호르몬 변화로 근육량이 감소할 수 있는 반면, 수면무호흡증 환자는 목과 몸통 주변의 근육량 증가가 기도를 좁혀 질환 발생에 영향을 미칠 수 있다고 연구팀은 설명했다.
연구진은 복합 수면장애(COMISA) 환자의 맞춤형 치료 전략 수립에도 체성분 정보가 도움이 될 것으로 기대했다.
배 교수는 “인바디 검사와 간단한 설문만으로도 수면다원검사 이전 단계에서 위험군을 효과적으로 선별할 수 있는 가능성을 확인했다”며 “체중보다 근육량과 제지방량 등 체성분 정보가 수면장애 위험을 더 정확하게 설명한다는 점이 이번 연구의 핵심”이라고 말했다.
이번 연구 결과는 국제수면학회 공식 학술지 ‘수면(Sleep)’ 최근호에 게재됐다.