최근 발표된 연구에 따르면, 수면 생리를 뇌와 신체의 복합적인 상호작용으로 이해하는 새로운 접근 방식의 수면 기반 모델 '옴니-슬립(Omni-Sleep)'이 개발되었습니다. 이 모델은 중앙 신경계(CNS)와 자율 신경계(ANS)의 역동적인 연동을 생리학적 선행 지식으로 활용하여, 다양한 생체 신호(EEG, EOG, EMG, ECG, 호흡 등)를 통합적으로 분석합니다. 기존 수면 모델들이 생체 신호들을 단순히 융합했던 것과 달리, 옴니-슬립은 이들 신호 간의 위계적 관계를 학습함으로써 수면 분석의 정확도와 일반화 능력을 크게 향상시켰습니다.
옴니-슬립은 세 가지 핵심 목표를 통해 구조화된 수면 표현을 학습합니다. 첫째, '시스템 내 일관성(intra-system consistency)'은 신경 신호와 심폐 신호 내의 하위 시스템 수준 요인을 포착합니다. 둘째, '시스템 간 동기화(inter-system synchronization)'는 뇌와 신체의 역동성을 모델링하기 위해 하위 시스템 궤적을 정렬합니다. 셋째, '잠재 공간 마스킹된 시간 모델링(latent-space masked temporal modeling)'은 장기적인 수면 역학을 포착합니다. 10만 시간 이상의 다기관, 다중 모드 수면다원검사(PSG) 데이터로 사전 학습된 옴니-슬립은 수면 단계 분류와 다중 질병 분류에서 기존의 강력한 기반 모델들을 뛰어넘는 성능을 보였으며, 라벨 효율성, 데이터셋 간 일반화 능력, 그리고 결측 모달리티에 대한 강건성까지 개선된 결과를 입증했습니다.
이러한 옴니-슬립의 등장은 수면 연구 및 임상 진단 분야에 중요한 의미를 가집니다. 생리학적 위계를 고려한 학습 방식은 수면의 복잡성을 더 깊이 이해하고, 보다 정확한 진단과 개인 맞춤형 치료법 개발의 기반을 마련할 수 있습니다. 특히, 다양한 생체 신호가 부분적으로 누락되더라도 강건하게 작동하는 능력은 실제 임상 환경에서의 활용 가능성을 높이며, 수면 장애 진단의 접근성을 개선하는 데 기여할 것으로 기대됩니다. 이는 궁극적으로 수면 건강 증진을 위한 새로운 기술적 토대가 될 것입니다.