인제대학교 일산백병원 신경과 배희원 교수와 삼성서울병원 주은연 교수, 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 개발했다. 이번 연구 결과는 국제수면학회 공식 학술지 ‘Sleep’ 최근호에 게재됐다.
수면장애는 대표적으로 불면증과 폐쇄성 수면무호흡증이 있으며, 두 질환이 함께 나타나는 COMISA(불면증과 수면무호흡증이 함께 발생하는 복합 수면장애)는 심혈관질환과 당뇨병 등 대사질환은 물론 인지기능 저하 위험까지 높이는 것으로 알려져 있다. 그러나 현재 정확한 진단을 위해서는 병원에서 하룻밤 동안 잠을 자며 검사하는 수면다원검사가 필요해 검사 비용과 시간 부담 때문에 진단이 늦어지는 경우가 적지 않다.
◇ BMI보다 ‘체성분’이 더 중요…같은 체중이어도 수면장애 위험 달라
기존 수면장애 예측 모델은 나이와 성별, 체중, BMI(체질량지수), 수면 관련 설문 등을 이용해 위험도를 평가했다. 하지만 BMI는 키와 몸무게만으로 계산하기 때문에 근육과 지방의 비율을 구분하지 못하는 한계가 있다. 같은 BMI라도 근육량이 많은 사람과 체지방이 많은 사람은 건강 상태가 크게 다를 수 있다.
연구팀은 이러한 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-SLEEPS를 개발했다.
실제로 BMI가 20~30인 폐쇄성 수면무호흡증 환자를 분석한 결과, 같은 BMI라도 근육량과 체성분이 크게 달랐다. 연구팀은 BMI만으로는 수면장애 위험을 충분히 설명하기 어렵다는 사실을 확인했다.
◇ 3,291명 데이터 분석· 기존 모델보다 예측 정확도 향상
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 약 93%에서 96% 수준으로, 폐쇄성 수면무호흡증은 90%에서 93% 수준으로, 복합 수면장애는 94%에서 97% 수준으로 예측 성능이 개선됐다. 환자 수가 적어 예측이 어려운 질환에서도 정확도가 높게 나타나 AI 모델의 안정성과 신뢰성을 확인했다.
또한 외부 병원 환자 195명을 대상으로 추가 검증한 결과에서도 높은 예측 정확도를 유지해 다른 의료기관에서도 활용 가능성이 높은 것으로 나타났다.
◇ 체성분에 따라 수면장애 위험 패턴 달라
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.
연구팀은 불면증 환자의 경우 수면 부족이 지속되면 만성 염증과 호르몬 변화로 근육량이 감소할 수 있는 반면, 수면무호흡증 환자는 목과 몸통 주변의 근육량 증가가 기도를 좁혀 질환 발생에 영향을 줄 수 있다고 설명했다. 이는 수면장애의 종류에 따라 체성분이 서로 다른 임상적 의미를 가질 수 있음을 시사한다.
또한 COMISA는 불면증과 수면무호흡증의 특성이 함께 나타나는 복합적인 질환인 만큼, 향후 환자별 맞춤형 선별과 치료 전략 수립에 체성분 정보가 도움이 될 수 있을 것으로 기대했다.
◇ “인바디 검사로 수면장애 조기 발견 가능성 확인”
일산백병원 배희원 교수는 “수면다원검사는 수면장애 진단의 표준검사이지만, 비용과 시간이 많이 들어 모든 사람이 쉽게 검사를 받기 어려운 것이 현실”이라며 “이번 연구를 통해 인바디 검사와 간단한 설문을 결합하면 수면다원검사 전 단계에서 불면증과 수면무호흡증 위험군을 효과적으로 선별할 수 있다는 가능성을 확인했다”고 말했다.
이어 “특히 체중만 반영하는 BMI보다 근육량과 제지방량 등 체성분 정보가 수면장애 위험을 더 정확하게 설명한다는 점을 확인했다”며 “앞으로 다양한 의료환경에서 추가 검증이 이뤄진다면 수면장애를 보다 쉽게 조기에 선별하고, 환자에게 맞는 맞춤형 치료 전략을 세우는 데 도움이 될 것으로 기대한다”고 밝혔다.
연구팀은 수면다원검사와 인바디 검사를 함께 받은 3,291명의 데이터를 분석해 불면증과 수면무호흡증 위험을 높은 정확도로 예측하는 AI 기반 수면장애 선별 모델을 개발했다.
