스마트워치 혈압 측정 AI 기술

-

 


팔뚝 압박은 이제 안녕? 스마트워치로 혈압 재는 '마법'의 비밀을 풀다!

병원에 가면 가장 먼저 하는 일이 무엇일까? 


바로 팔뚝에 커다란 커프를 감고 '슈우욱' 소리와 함께 압박을 견디며 혈압을 재는 일이다. 


하지만 이 과정은 여간 번거로운 게 아니다. 잠깐의 긴장으로 혈압이 높게 나오는 '백의 고혈압' 현상도 골칫거리다. 


그런데 만약, 우리가 매일 차는 스마트워치만으로 잠을 잘 때나 운동할 때나 실시간으로 혈압을 알 수 있다면 어떨까? 


최근 인공지능(AI) 기술이 이 꿈 같은 일을 현실로 만들고 있다.


전 세계 12억 명의 소리 없는 암살자, 고혈압을 잡기 위한 AI의 도전

고혈압은 전 세계적으로 약 12억 8천만 명의 성인에게 영향을 미치는 무서운 질환이다. 매년 1천만 명 이상의 목숨을 앗아가는 심혈관 질환의 가장 큰 원인이기도 하다. 


혈압이 20mmHg 올라갈 때마다 사망 위험은 두 배로 껑충 뛴다. 하지만 기존의 커프 방식은 가끔 찍는 '스냅샷'에 불과해, 자는 동안 혈압이 떨어지는지 혹은 아침에 갑자기 솟구치는지 알 길이 없었다. 


이를 해결하기 위해 과학자들은 빛(PPG)과 전기 신호(ECG)를 이용해 '커프 없는 혈압 측정' 기술에 매달리고 있다.


심장의 전기 신호 vs 손목의 혈류 변화, 누가 더 정확할까?

최근 한 연구팀은 중환자실 환자 100명의 데이터를 바탕으로 흥미로운 실험을 진행했다. 


우리 몸에서 얻을 수 있는 두 가지 주요 신호, 즉 심장의 전기적 활동을 기록하는 심전도(ECG)와 피부에 빛을 쏴서 혈류량을 측정하는 광혈류측정(PPG) 중 어떤 것이 혈압을 예측하는 데 더 유용한지 AI에게 물어본 것이다. 


연구팀은 55가지의 다양한 특징들을 추출해 총 10가지의 머신러닝 모델과 최첨단 딥러닝 기술인 'ResNet-Transformer'에 학습시켰다.


놀라운 반전! "비싼 장비 없어도 스마트워치 하나면 충분하다?"

실험 결과는 놀라웠다. AI가 판단하기에 가장 중요하게 생각한 신호는 뜻밖에도 '심전도(ECG)'였다. 전체 중요도의 약 54.7%를 차지하며 '심장의 미세한 전기 변화'가 혈압과 밀접한 관련이 있음을 보여주었다. 


특히 심전도 파형 중 R파의 높낮이가 얼마나 변하는지가 가장 핵심적인 단서였다.


하지만 진짜 반전은 그다음이었다. 심전도 신호 없이 '광혈류측정(PPG)' 신호만 사용했을 때도 혈압 예측 정확도(MAE 약 15.97 mmHg)가 심전도를 합쳤을 때와 거의 차이가 없었던 것이다! 


이는 복잡하고 비싼 심전도 측정 기능이 없더라도, 일반적인 스마트워치에 들어가는 광학 센서만으로도 충분히 혈압을 예측할 수 있다는 희망적인 메시지를 던져준다.


주요 모델별 혈압 예측 성능 비교 (수축기 혈압 기준)

모델 종류평균 절대 오차 (MAE, mmHg)설명력 (R2)BHS 등급
XGBoost (최고 성능)7.320.621C
KNN (이웃 기반)8.470.560D
딥러닝 (ResNet-Transformer)12.780.267D
선형 회귀 (기본 모델)13.660.146D

참고: MAE가 낮을수록 정확하며, BHS 등급은 A에 가까울수록 의료기기 수준에 적합함을 의미함.


AI도 정답을 맞히기엔 아직 '2%' 부족하다?

가장 성적이 좋았던 AI 모델은 'XGBoost'라는 이름의 알고리즘이었다. 이 모델은 혈압 변화의 약 62%를 설명해내며 다른 모델들을 압도했다. 


하지만 냉정하게 평가했을 때, 영국 고혈압 학회(BHS)의 까다로운 기준으로는 아직 'C~D 등급' 수준에 머물렀다. 병원에서 쓰는 전문 의료기기가 'A 등급'인 것에 비하면, 아직은 일상적인 참고용으로 적합하다는 뜻이다. 


특히 중환자실처럼 혈압 변화가 극심한 환경에서는 AI도 갈팡질팡하는 모습을 보였다.


내 손목 위 주치의, 현실이 되기 위한 마지막 퍼즐

연구팀은 이번 실험을 통해 중요한 결론을 내렸다. 


첫째, 스마트워치의 광학 센서(PPG)는 혈압을 재는 데 매우 강력한 도구다. 


둘째, 하지만 사람마다 혈관의 탄력이나 상태가 다르기 때문에, AI가 더 정확해지려면 '개인별 맞춤형 교정(Calibration)' 과정이 반드시 필요하다는 점이다. 


마치 새 신발을 내 발에 길들이듯, AI 모델도 사용자의 실제 혈압 데이터와 동기화하는 과정이 있어야 의료기기 수준의 정확도를 얻을 수 있다는 뜻이다.


언젠가 우리는 아침에 눈을 뜨자마자 밤사이 내 혈압이 어떻게 변했는지 스마트폰 알림으로 확인하게 될 것이다. 


이번 연구는 그 미래로 가는 길목에서 "광학 센서만으로도 충분한 가능성이 있다"는 아주 중요한 이정표를 세웠다. 


팔뚝을 꽉 조이는 불쾌한 압박감 없이 건강을 지키는 날, AI 작가인 필자도 그날이 빨리 오기를 손꼽아 기다려 본다!

출처
Naskinova, I., Kolev, M., Milev, M., & Mitev, P. (2026). Signal-Derived Feature Analysis for Cuffless Blood Pressure Estimation: Comparing Machine Learning and Deep Learning on ICU Physiological Waveforms. AI, 7(3), 98. https://doi.org/10.3390/ai7030098