이 문서는 49명의 건강한 참가자를 대상으로 4주 동안 스마트워치를 통해 수집한 연속적인 심박변이도(HRV)와 수면 일기 데이터를 소개합니다. 실험실 환경이 아닌 실제 일상생활에서 수집된 이 데이터셋은 신체 활동, 수면 패턴, 그리고 우울증이나 불면증 같은 정신 건강 지표 간의 연관성을 분석하는 데 귀중한 자원이 됩니다. 연구진은 이 데이터를 통해 새로운 헬스케어 애플리케이션 개발과 AI 기반의 정신 건강 예측 연구가 활성화되기를 기대하고 있습니다.
1. 연구 배경: 왜 이 데이터가 필요할까? 🤔
요즘 스마트워치 같은 웨어러블 기기가 정말 대중화되었죠? 이 기기들은 단순히 걸음 수를 세는 것을 넘어, 우리의 수면 패턴이나 스트레스 수준 같은 건강 정보를 24시간 모니터링하는 강력한 도구가 되고 있어요. 특히 손목형 웨어러블은 외상 후 스트레스 증상이나 혈압, 대사 활동을 모니터링하는 데에도 효과적이라는 연구 결과들이 계속 나오고 있답니다.
정신 건강 분야에서도 이런 기기들의 역할이 중요해지고 있어요. 예를 들어, 스마트워치가 측정하는 수면 시간이나 일관성은 기분 변화나 우울증 점수와 밀접한 관련이 있다고 해요. 잠을 잘 못 자면 불안이나 우울감이 커지고, 심지어 비만이나 근육량 감소로 이어질 수도 있거든요.
여기서 가장 주목해야 할 지표 중 하나가 바로 심박변이도(Heart Rate Variability, HRV)예요. HRV는 심장 박동 간의 간격이 얼마나 불규칙한지를 보여주는 지표인데, 우리 몸의 자율신경계가 얼마나 잘 작동하고 있는지를 알려주는 중요한 신호랍니다.
따라서 HRV의 연속적인 모니터링은 잠재적으로 인간의 건강을 보여주는 가치 있는 지표입니다. 그러나 지금까지의 대부분의 연구는 임상 환경에서 얻은 단기적인(예: 5분) HRV 측정값에 의존해 왔습니다.
기존 연구들은 병원 같은 통제된 환경에서 짧게 측정하거나, 24시간 동안 측정하더라도 딱 한 번만 하는 경우가 많았어요. 하지만 우리 몸의 상태나 기분은 하루 종일 계속 변하잖아요?
이러한 변동성 때문에 한 번의 측정만으로는 HRV를 정확하게 평가하기 어렵습니다. 따라서 장기간에 걸친 변화를 분석하기 위해서는 일상적인 연속 HRV 평가가 필수적이지만, 이 분야의 진전은 제한적이었습니다. 부분적으로는 현장(in-situ) HRV 측정값(즉, 실제 환경에서의 HRV 측정값)에 대한 공개적으로 이용 가능한 데이터셋이 부족했기 때문입니다.
그래서 연구팀은 실제 생활(in-situ)에서 4주 동안 연속으로 수집한 생체 신호와 수면 기록, 그리고 정신 건강 설문까지 포함된 알찬 데이터셋을 만들어 공개하게 되었습니다.
2. 데이터 수집 방법: 어떻게 모았을까? 🛠️
스마트워치와 전용 앱의 만남
연구팀은 데이터 수집을 위해 삼성 갤럭시 워치 액티브 2(Samsung Galaxy Watch Active 2)를 선택했어요. 이 기기를 선택한 이유는 원시(Raw) 데이터에 접근하기 좋고, 앱을 통해 데이터 측정 빈도를 조절할 수 있었기 때문이에요. 연구팀은 'Heart+'라는 전용 앱을 직접 개발해서 참가자들에게 나눠주었습니다.
이 앱은 배터리 수명을 고려하면서도 정확한 분석을 위해 10Hz(초당 10번) 빈도로 PPG(광혈류측정) 신호를 수집하도록 설정되었어요. 이론적으로 심박수를 측정하기에 충분하면서도, 4주 동안 24시간 내내 모니터링하기에 무리가 없는 최적의 설정이었죠.
4주간의 여정
실험에는 21세부터 43세 사이의 건강한 남녀 49명(직장인, 대학생, 대학원생 등)이 참여했어요. 전체적인 실험 과정은 다음과 같이 진행되었습니다 (아래 그림 1 참고).
- 오리엔테이션: 실험 설명 및 기기 지급.
- 데이터 수집 (4주): 참가자들은 잘 때를 제외하고(충전 시간) 항상 시계를 착용했어요.
- 설문 조사:
- 매일: 잠든 시간, 일어난 시간 등을 기록하는 수면 일기 작성.
- 2주 간격: 우울증(PHQ-9), 불안(GAD-7), 불면증(ISI) 등을 체크하는 임상 설문 진행.
그림 1: 4주간의 연구 설계 개요. 스마트워치 앱을 통해 센서 데이터, PPG, HRV를 포함한 일일 측정이 수집되었으며, 참가자들은 매일 수면 일기에 취침 시간, 입면 시간, 기상 시간, 밤중에 깬 횟수를 기록했습니다. 또한 연구 시작, 중간, 종료 시점에 표준화된 임상 설문지가 수행되었습니다.
연구팀은 참가자들이 데이터를 잘 모으고 있는지 매일 모니터링했고, 시계를 잘 안 차거나 일기를 안 쓰면 알림을 보내 독려했습니다. 꼼꼼한 관리가 있었기에 양질의 데이터를 얻을 수 있었죠! 👏
3. 데이터 구성: 어떤 보물들이 들어있나? 📦
수집된 데이터는 'Figshare'라는 저장소에 공개되었으며, 크게 5가지 종류로 나뉩니다. 총 33,600시간 분량의 데이터가 모였고, 1인당 평균 672시간이나 됩니다.
- 참가자 정보 (
survey.csv): 나이, 성별, 직업 같은 기본 정보와 흡연, 음주, 운동 빈도 같은 라이프스타일 정보가 들어있습니다. 2주마다 실시한 정신 건강 설문 점수도 포함됩니다. - 센서 및 HRV 데이터 (
sensor_hrv.csv): 5분 단위로 쪼개서 정리된 데이터입니다.- 센서: 심박수, 가속도계, 자이로스코프, 조도 센서, 걸음 수 등.
- HRV 지표: 심장 박동의 변이도를 나타내는 다양한 지표들(SDNN, RMSSD, LF/HF 등)이 계산되어 있습니다.
- 결측치 점수: 데이터 품질을 판단할 수 있도록 신호가 얼마나 누락되었는지 알려주는 점수도 포함되어 있어요.
- 수면 일기 (
sleep_diary.csv): 참가자들이 매일 직접 기록한 잠자리에 든 시간, 잠든 시간, 깬 시간, 수면 효율 등이 담겨 있습니다. - 원시 데이터 (Raw Data): 연구자들이 직접 처음부터 분석해보고 싶을 때를 위해 가공되지 않은 센서 데이터(PPG, 가속도 등)도 별도로 제공합니다.
4. 데이터 검증: 믿을 만한 데이터인가? ✅
연구팀은 데이터가 제대로 수집되었는지 확인하기 위해 몇 가지 검증을 거쳤습니다.
먼저, 참가자들의 활동 패턴을 살펴봤습니다. 아래 그림 5를 보면, 점심시간(11:00~13:00)과 저녁시간(17:00~19:00)에 걸음 수와 심박수가 눈에 띄게 증가하는 것을 볼 수 있어요. 이는 식사나 퇴근, 이동 같은 일반적인 생활 패턴과 아주 잘 맞아떨어집니다.
그림 5: 오전 9시부터 오후 11시 사이의 모든 참가자의 심박수(왼쪽)와 신체 활동(오른쪽; 시간당 걸음 수)의 시간대별 집계 추세입니다. 음영 처리된 영역은 평균값 주변의 표준 오차를 나타내며, 식사와 통근 시간대인 점심 무렵과 초저녁 시간에 활동이 증가하는 것을 보여줍니다.
또한, HRV 데이터의 품질도 확인했습니다.
- 남성보다 여성이, 그리고 나이가 많을수록 HRV 수치가 낮게 나오는 경향이 있는데, 이 데이터셋에서도 그런 기존 연구 결과와 일치하는 패턴이 발견되었습니다.
- 수면 일기 데이터 역시 다른 스마트 밴드 연구들과 비교했을 때 합리적인 분포를 보였습니다.
물론, 실험실이 아닌 실제 생활(in-situ)에서 수집했기 때문에 움직임으로 인한 노이즈(잡음)가 섞여 있을 수 있습니다. 하지만 연구팀은 이를 최대한 보정하고, 노이즈가 심한 구간은 걸러내거나 표시하여 연구자들이 감안하고 사용할 수 있도록 했습니다.
5. 결론 및 활용 방안: 앞으로의 가능성 🚀
이 데이터셋은 2025년 현재, 누구나 자유롭게 사용할 수 있도록 공개되었습니다. 연구진은 이 데이터가 다음과 같은 분야에서 유용하게 쓰일 것이라고 제안합니다.
- 정신 건강 예측: 웨어러블 데이터와 설문 결과를 결합해 불면증, 우울증, 불안 같은 증상을 예측하는 AI 모델을 개발할 수 있습니다.
- 수면 연구: 낮 동안의 활동이나 HRV 패턴이 그날 밤 수면에 어떤 영향을 미치는지, 반대로 수면의 질이 다음 날 컨디션에 어떤 영향을 주는지 분석할 수 있습니다.
- 개인 맞춤형 헬스케어: 사용자의 생활 습관(운동, 규칙적인 생활 등)에 따라 건강 지표가 어떻게 달라지는지 그룹별로 비교 분석할 수도 있습니다.
구체적으로, 우울증, 불면증과 같은 흔한 정신 건강 상태의 심각도를 예측하는 데 있어 수면 일기와 함께 제공되는 우리의 연속적인 웨어러블 데이터가 가치 있을 것입니다. (...) 이 데이터셋이 AI 예측 분석을 활용한 웰빙 연구의 벤치마크가 되기를 바랍니다.
이 데이터셋은 특정 질환자가 아닌 '건강한 일반인'의 4주간의 기록이라는 점에서, 일상적인 건강 관리와 질병 예방을 위한 연구에 훌륭한 기초 자료가 될 것입니다.