PPG 기반 혈압 추정: 개인 맞춤형 설명 가능한 하이브리드 모델 연구
Personalized and Explainable Blood Pressure Estimation from PPG via Hybrid CNN--Morphological Features
arXivPPG를 이용한 혈압 모니터링의 정확도와 해석 가능성 문제를 해결하기 위해, CNN과 개인별 혈관 특성을 결합한 하이브리드 모델이 개발되었습니다.
- 개인 맞춤형 테스트 환경에서 수축기/이완기 혈압 MAE를 각각 3.77mmHg, 2.36mmHg로 달성하며 기존 방식 대비 높은 성능 향상을 입증했습니다.
- 단순 예측을 넘어 개인의 생리학적 특성을 설명해 주므로, 임상 현장에서 신뢰도와 활용도가 크게 높아질 것으로 기대됩니다.
- 제시된 결과는 MIMIC-III 데이터셋 기반이며, 실제 다양한 환경에서의 적용 가능성은 추가적인 검증이 필요합니다.
광혈구 용적맥파(PPG)를 이용한 비침습적 혈압 모니터링은 유망한 헬스케어 솔루션으로 주목받고 있습니다. 기존 방식의 한계점으로는, 수작업 특징 기반 접근법이 정밀한 기준점 탐지에 의존하며 단기 분석에 국한된다는 점과, 딥러닝 모델이 높은 정확도를 보임에도 불구하고 생리학적 해석 가능성이 부족한 '블랙박스' 형태라는 점을 지적했습니다. 이에 연구진은 CNN 브랜치와 개인별 혈관 특성을 명시적으로 인코딩하는 형태학적 사전 지식(morphology-prior) 브랜치를 결합한 생리 기반 하이브리드 프레임워크를 제안했습니다.
제안된 하이브리드 접근법은 개개인의 혈관 특성이 담긴 형태학적 특징 세트를 하여 개인화 수준을 높이고 대규모 학습 데이터셋에 대한 의존도를 낮춥니다. 이 모델은 MIMIC-III 데이터베이스의 일부를 대상으로 피험자별(personalized) 테스트 프로토콜 하에서 평가되었으며, 수축기 혈압의 경우 평균 절대 오차(MAE) 3.77 mmHg, 이완기 혈압의 경우 2.36 mmHg를 달성했습니다.
이 결과는 기존의 CNN 단독 모델 기반 성능 대비 각각 43.7%, 32.4%의 상대적 개선율을 보여주었습니다. 또한 SHAP 분석을 통해 도입된 형태학적 사전 지식 특징들이 개별 혈관 특성과 일치함을 확인하여, 피험자별 해석 가능성을 강화했습니다. 이러한 결과는 개인화되고 생리 기반의 하이브리드 학습이 실제 환경에서 정확하고 설명 가능한 혈압 모니터링에 기여할 수 있음을 시사합니다.
용어 풀이
- 임베딩
- 글이나 이미지의 의미를 숫자 목록으로 바꾼 것. 의미가 비슷한 것을 찾을 때 써요.