기계학습 모델로 감정 상태 예측
한국의 연구진이 웨어러블 기기의 수면 및 일주기 리듬 데이터를 활용하여 감정 에피소드를 예측할 수 있는 기계학습 기반 모델을 개발했습니다. 이번 연구는 기초과학연구원(IBS), 한국과학기술원(KAIST), 고려대학교 의과대학의 연구진이 참여하여 진행되었습니다.
168명의 피험자 데이터 분석
이번 연구는 Nature의 npj Digital Medicine 저널에 발표되었으며, 주요 우울증 및 조울증을 포함한 감정 장애를 가진 한국인 환자 168명의 수면-기상 데이터를 429일동안 수집하고 분석했습니다. 감정 장애와 불규칙한 수면 및 일주기 리듬은 밀접하게 연관되어 있습니다.
80% 이상의 예측 정확도 달성
연구팀은 이 데이터셋에서 36개의 수면 및 일주기 리듬 특징을 추출하여 XGBoost 기계학습 라이브러리를 기반으로 하는 모델을 훈련시켜 감정 에피소드를 예측했습니다. 이 예측 모델은 우울증, 조증 및 경조증 에피소드를 각각 80%, 98%, 95%의 정확도로 예측하는 데 성공했습니다. 연구 결과, 일주기 리듬의 일일 변화가 감정 에피소드의 주요 예측 요소임을 시사했으며, 지연된 일주기 리듬은 우울증 에피소드로 이어질 수 있고, 앞당겨진 일주기 리듬은 조증 에피소드 가능성을 높일 수 있다고 밝혔습니다.
임상 적용 가능성 및 추가 활용
현재의 감정 상태 예측 AI 모델은 다양한 데이터 소스를 요구하지만, 이번에 개발된 모델은 데이터 수집 비용을 절감하고 임상 적용 가능성을 높였습니다. 연구팀은 감정 상태 예측을 디지털 치료제와 결합해 감정 에피소드 재발의 일일 위험성을 평가하고 건강한 수면-기상 주기와 일주기 리듬을 촉진하기 위한 알림을 제공할 가능성도 시사했습니다.
싱가포르와 일본의 유사 연구
싱가포르에서도 비슷한 연구가 진행돼 수면 패턴과 일주기 리듬을 활용해 우울증 위험을 예측, 80%의 정확도로 고위험군을 식별하는 데 성공했습니다. 또한, 일본에서는 웨어러블 데이터와 다양한 생체 및 생활 데이터를 분석하여 알츠하이머병 예측 AI 모델을 개발, 의심환자의 사전 선별 도구로 활용했습니다.
출처 : 원문 보러가기
