손목 액티그래피 일주기 수면-활동 패턴 기반 수면시간 예측

Abstract

수면은 뇌가 상대적으로 휴식 상태에 있는 무의식적인 활동 상태이며 수면 단계 중 서파 수면일 때 활동 중 누적된 피로를 해소하여 신체의 항상성을 유지하므로 적절한 수면을 취하는 것은 중요하다. 하지만 현대사회의 현대인들은 교대근무나 밤샘 근무 등 여러 외부요인으로 인하여 적절한 수면시간을 취하지 못하여 수면장애에 취약하며 수면장애는 신체적으로 심혈관 질환이나 면역체계 이상을 일으키고 정신적으로 불안감이나 기억력 감퇴를 불러올 수 있으므로 최적의 수면시간을 제공하여 수면장애를 예방하고 건강을 유지하는 것이 필요하다. 현재까지는 어떤 신체 활동이 수면에 영향을 미치는지, 어떤 시간 동안 신체 활동을 해야 수면에 영향을 줄 수 있는지에 대해서는 완전히 밝혀지지 않았다. 이에 따라 액티그래피를 활용한 신체 활동량 기반의 수면 예측 연구는 단순히 신체 활동량 특징점과 일주기 특징점을 개별적으로 사용하거나 액티그래피 신호를 딥러닝 모델을 통해 수면을 예측하는 수준에 그쳤다. 그러나 수면은 "Two process 모델"이라고 불리는 누적 신체 활동량과 개인의 일주기 수면-활동 패턴에 의해 결정된다는 수면 조절 모델에 의해 설명될 수 있음에도. 이전의 연구들은 Two process 모델을 고려하지 않고 신체 활동량 특징점과 일주기 특징점을 개별적으로 사용하는 한계가 있었다. 따라서 본 연구에서는 Two process 모델에 기반한 수면 예측이 그렇지 않은 수면 예측에 비해서 더 성능이 더 나을 것으로 판단하여서 연구를 진행했으며 연구 과정으로 누적 신체 활동량과 5일 길이의 액티그래피 기반 개인의 일주기 수면-활동 패턴을 이용하여 여러 머신러닝 기반 회귀 모델 성능을 비교했다. 추가로 누적 신체 활동량에 기반하고 일주기 수면-활동 패턴의 유무에 따른 딥러닝 회귀 모델 성능을 비교했다. 연구 결과 머신러닝 및 딥러닝 기반 수면시간 예측 회귀 모델에서 모두 Two process 모델을 고려한 입력을 모델에 인풋으로 넣었을 때 성능이 그렇지 않은 입력보다 더 좋게 나왔다. 본 연구는 Two process 모델에 기반 누적 신체 활동량과 개인의 액티그래피 기반 일주기 수면-활동 리듬을 동시에 이용하여 수면시간의 예측을 시도한 최초의 연구이며 본 연구에서 제시하는 Two process 모델 기반 방법은 액티그래피 기반 수면 예측연구가 부족한 현재 상태에서 새로운 접근법이 될 수 있을 것이다.