웨어러블 기기 기반 인공지능 심전도 나이와 심방세동의 연관성
Wearable device derived electrocardiographic age and its association with atrial fibrillation.
Park et al.
- 흥미로운 부분은 이 심장 나이가 실제 나이와 얼마나 차이 나는지가 부정맥(특히 심방세동) 위험을 신호할 수 있다는 점입니다.
- 다만 이 연구는 특정 그룹의 웨어러블 사용자만 대상으로 했으므로, 모든 인종, 모든 연령층에 똑같이 적용되는지는 앞으로 봐야 합니다.
- 제가 웨어러블 기기를 쓰고 있는데, 심장 나이 격차가 크게 나온다면 어떻게 해야 할까요?
2024 AHA AI 성명은 웨어러블 기기 기반 AI 심전도 분석이 유망한 연구 분야임을 인정하면서도, 진료 개선 입증과 다양한 인구에서의 전향적 검증을 강조하고 있습니다. 본 연구는 AF 위험 계층화에 대한 증거를 더하나 임상 적용 전 더 광범위한 검증이 필요합니다.
근거 AHA 심장질환 AI 활용 과학 성명(2024) · 2025 EHRA·HRS 전기생리 AI 현황 성명(보고 체크리스트)
앞으로 필요한 연구 웨어러블 단일유도 심전도 기반 ECG-나이 차이와 심방세동의 인과 관계와 실질적 임상 이득을 확립하기 위해, 다양한 인구집단을 포함한 대규모 전향적 코호트 연구에서 장기 추적 관찰 시 뇌졸중 등 임상 결과 예방 효과를 입증하는 무작위 대조 시험이 필요합니다.
일차적 의견
• 1백만 건의 12유도 심전도로 학습한 AI 모델(PROPHECG-Age Single)이 웨어러블 단일유도 심전도에서 ECG 나이를 추정, 두 코호트에서 평균절대오차 10.01, 11.88년으로 검증.
• ECG-나이 차이(예측값-실제나이)가 심방세동 유무와 유의하게 연관(OR 1.03/년, p<0.05), AF 부담과 연관(1년 증가당 0.8%p 증가).
• 합성 생성 기반 단일유도 변환 과정에서 노이즈 발생 가능, 장기 추적 관찰 데이터 부재.
웨어러블 기기 기반 AI-ECG 나이는 지역사회 기반 심방세동 고위험군 선별의 확장 가능한 디지털 바이오마커로 활용되어 조기 중재 전략을 가능하게 할 수 있다.
쉽게 풀어 쓴 해설
- 심전도 나이가 실제 나이보다 많을수록 심방세동이 생길 가능성이 높았어요.
- 심방세동이 있는 사람들에게서 심전도 나이 차이가 더 컸지만, 어느 정도 차이부터 위험한지는 아직 몰라요.
- 인공지능이 백만 건의 심전도를 배워서, 손목밴드처럼 쓰는 기기의 신호만으로도 심전도 나이를 계산하는 방법을 만들었어요.
- 두 그룹에서 이 방법을 확인했는데, 실제 나이와의 차이를 계산했을 때 심방세동과 연결이 있었어요.
- 웨어러블 기기로 심전도를 기록하는 모든 사람이 해당해요.
- 심방세동이 없는 건강한 사람에게서도 이 신호가 쓸모 있는지는 아직 명확하지 않아요.
- 짧은 기간 데이터만으로 본 것이어서, 몇 년 뒤에도 이 신호가 도움이 되는지 모르고 있어요.
- 다음 진료 때 "제 웨어러블 기기의 심전도 결과가 심방세동 선별에 도움이 될까요"라고 여쭤 보세요.