[뉴스스페이스=이종화 기자] 스탠퍼드 의대 연구팀이 개발한 인공지능 'SleepFM'은 단 한 밤의 수면 다원검사(PSG) 데이터를 통해 130개 이상의 질환 발병 위험을 증상 발현 수년 전 예측할 수 있는 획기적 모델로 주목받고 있다.
​

sciencedirect, fortworthent, hcahealthcare, gpnotebook, sleeppsychiatrist, thelungspecialists, healthline, mayoclinic에 따르면, 이 기반 모델은 약 6만5,000명 참가자의 58만5,000~60만시간 분량 PSG 데이터를 학습해 전체 사망률(C-Index 0.84), 치매(0.85), 고혈압성 심장질환(0.84), 심근경색(0.81), 심부전(0.80), 만성신부전(0.79), 심방세동(0.78), 뇌졸중(0.78) 등에서 우수한 예측력을 입증했다.

PSG(Polysomnography의 약자)는 수면의학에서 사용되는 다중 매개변수 수면 검사 도구를 의미한다. 이 검사는 수면 중 발생하는 생리적 변화를 기록하며, 주로 야간에 환자를 지속적으로 모니터링하는 Type I polysomnography를 가리킨다. PSG는 뇌파(EEG), 안구 운동(EOG), 근육 활동(EMG), 심전도(ECG), 호흡 흐름, 혈중 산소 포화도 등 다양한 신호를 동시에 측정해 수면 무호흡증, 불면증, 기면증 등 수면 장애를 진단한다.
​

​수면 데이터 금광, PSG 50년 기록 활용

SleepFM은 뇌파(EEG), 심전도(ECG), 근전도(EMG), 맥박, 호흡 등 다중 생리 신호를 5초 단위로 분석하며, 스탠퍼드 수면의학센터(1970년 설립)의 3만5,000명 환자 데이터(1999~2024년, 2~96세)를 기반으로 최대 25년 추적 건강 기록과 연계됐다.
​

Nature Medicine(2026.1.6)에 발표된 이 연구는 PSG의 방대한 데이터를 AI로 처음 대규모 해독한 사례로, 기존 연구가 활용하던 일부 신호만이 아닌 전체 생리학적 상호작용을 포착한다.
​

'잠의 언어' 학습, 혁신적 대조 학습법

연구진은 'leave-one-out contrastive learning' 기법으로 한 모달리티를 숨기고 다른 신호로 재구성하게 해 모델이 수면 시스템 간 관계를 학습시켰다. 제임스 주(James Zou) 부교수는 "SleepFM은 수면의 언어를 배우는 모델"이라며 "AI 관점에서 수면은 미개척 금광"이라고 평가했다.
​

이 접근은 표준 수면 단계 분류(F1 0.70~0.78), 수면 무호흡증 중증도(AUROC 0.85, AUPRC 0.77)에서도 현행 최첨단 모델을 능가하며, 훈련 제외 Sleep Heart Health Study에서도 뇌졸중(0.82), 심부전(0.85)을 정확히 예측했다.
​

암·신경질환 최강 예측력, 1,000개 중 130개 선별

1,000여 질환 중 C-Index 0.75 이상 130개를 선별한 SleepFM은 종양(암), 임신 합병증, 순환기 질환, 정신질환에서 C-Index 0.8 초과를 기록했으며, 파킨슨병(0.89), 전립선암(0.89~0.90), 유방암(0.87~0.90)에서 탁월했다.
​

엠마뉴엘 미뇨(Emmanuel Mignot) 교수는 "뇌는 잠든 듯 심장은 깨어 있는 등 동기화 미스매치가 질환 신호"라며 "채널 대조가 최대 정보를 제공했다"고 밝혔다. C-Index 0.7대 모델조차 임상에서 암 치료 반응 예측에 유용하듯, SleepFM의 0.8+ 정확도는 실용적 가치를 입증한다.
​

국내외 반향·미래 전망
국내외 매체들은 "하룻밤 잠으로 100가지 병 맞힌다", "치매 진단서 들고온 남편? 수면 AI가 답"등으로 보도하며 웨어러블 연계 가능성을 강조했다.
​

미국 Medical Xpress, Mirage News 등은 "수면 패턴이 미래 건강 위험 예언"(85% 정확도 강조)으로 다뤘으며, 연구팀은 스마트워치 데이터 추가와 해석 기술 개발로 임상 적용을 가속화할 계획이다. NIH, Knight-Hennessy Scholars, Chan-Zuckerberg Biohub가 지원한 이 성과는 조기 진단 패러다임을 바꿀 전망이다.