최근 발표된 연구에 따르면, 웨어러블 기기에서 얻을 수 있는 활동량(accelerometry) 데이터를 이용해 심혈관 대사 질환 위험을 예측하는 새로운 벤치마크가 개발되었습니다. 이 벤치마크는 실제 임상 환경의 복잡한 데이터 특성을 반영하여, 기존 연구의 한계를 극복하고 질병 예측의 정확도를 높이는 데 기여할 것으로 기대됩니다.
'NHANES 가속도계 심혈관 대사 벤치마크(NHANES Accelerometry Cardiometabolic Benchmark)'로 명명된 이 데이터셋은 2003년부터 2006년까지 미국 국민건강영양조사(NHANES)에 참여한 성인 1,381명의 데이터를 기반으로 합니다. 여기에는 허리에 착용한 가속도계 활동량, 공복 혈액 검사 결과, 식단 정보, 신체 측정치 등이 포함됩니다. 연구팀은 이 데이터를 활용해 당화혈색소(HbA1c), 공복 중성지방, C-반응성 단백질(CRP) 수치를 예측하는 세 가지 머신러닝 모델(릿지 회귀, XGBoost, TabPFN v2)을 평가했습니다. 그 결과, TabPFN v2 모델이 당화혈색소(R^2=0.156)와 C-반응성 단백질(R^2=0.383) 예측에서 가장 우수한 성능을 보였으나, 중성지방 예측은 유의미한 결과를 얻지 못했습니다.
이 연구는 웨어러블 기기에서 수집되는 활동량 데이터가 심혈관 대사 질환의 디지털 바이오마커(digital biomarker)로서 잠재력이 있음을 보여줍니다. 특히, 인구 통계학적 특성을 고려한 예측 불확실성 정량화(uncertainty quantification)를 통해 모델의 공정성을 평가하려는 시도는 임상 적용 가능성을 높이는 중요한 단계입니다. 특정 인구 집단에서 예측 정확도가 낮게 나타나는 문제를 해결하기 위한 추가 연구가 필요하지만, 이번 벤치마크는 향후 개인 맞춤형 건강 관리 및 질병 예방 서비스 개발에 중요한 기반이 될 것입니다.