광용적맥파(PPG)를 이용한 비침습적 혈압 측정: 기술 현황과 전망
광용적맥파(PPG)를 이용한 비침습적 혈압 측정: 기술 현황과 전망
비대면 헬스케어 시대를 위한 스마트 웨어러블 기술의 핵심
서론: 고혈압 관리, 왜 '비침습'과 '스마트'가 중요한가?
고혈압은 '침묵의 살인자'라 불릴 정도로 자각 증상이 없고, 뇌졸중이나 심근경색 등 치명적 합병증과 밀접하게 연관된 만성질환입니다. 특히 가정이나 외부에서 지속적인 혈압 모니터링이 필요한 환자에게 전통적인 커프 방식은 사용이 불편하며 일상적 혈압 추적에는 적합하지 않습니다.
바로 이러한 배경에서 최근 주목받고 있는 기술이 광용적맥파(Photoplethysmography, PPG) 기반 비침습적 혈압 측정법입니다. 이 기술은 웨어러블 디바이스와 결합되어, 스마트워치 하나로 실시간 혈압 감지가 가능한 시대를 열고 있습니다.
광용적맥파(PPG)란 무엇인가?
광용적맥파(PPG)는 피부를 통과하는 빛의 산란과 흡수를 통해 혈류량의 변화를 감지하는 신호입니다. 비교적 간단한 센서 기술만으로도 손목, 손가락, 이마 등에서 심박수, 산소포화도, 혈압 등 다양한 생체 정보를 실시간 측정할 수 있어 스마트 헬스케어 핵심 기술로 주목받고 있습니다.
PPG 신호의 장점
저비용, 비침습, 휴대성 우수
웨어러블 기기(스마트워치, 밴드)와 결합 용이
연속적 데이터 수집 가능
혈압 측정을 위한 PPG 신호 분석 기법
PPG 신호에서 혈압을 추정하기 위해 다양한 특징(feature)들이 사용됩니다. 논문에서는 약 455개의 feature를 6가지 카테고리로 분류하였습니다:
| 카테고리 | 예시 | 주요 내용 |
|---|---|---|
| Temporal | PTT, PPI | 시간 간격 기반 특징 |
| Amplitude | Peak Amplitude | 파형의 진폭 정보 |
| Gradient-based | Slope 분석 | 신호의 기울기 변화 |
| Frequency | HF/LF 성분 | 주파수 도메인 해석 |
| PPG-related | Raw PPG/VPG | 파형 원시값 |
| Non-PPG related | HR, 나이 | 보조 생체/인구학 정보 |
Temporal feature (33.5%)가 가장 많이 사용되었으며, 그 다음은 Amplitude (19.1%), Non-PPG related (23.1%)입니다.
알고리즘 트렌드: 회귀에서 딥러닝으로
처음에는 단순 선형 회귀(Simple Linear Regression)나 다중 선형 회귀(MLR) 방식이 주를 이루었으나, 최근 연구에서는 다음과 같은 딥러닝 기반 모델이 급속히 확산되고 있습니다:
주요 알고리즘 분포
| 알고리즘 유형 | 비율 |
|---|---|
| 딥러닝 (DL) | 40.1% |
| 머신러닝 (ML) | 23.3% |
| MLR | 22.2% |
| SLR | 14.4% |
특히 2021년 이후 DL 방식 논문 수가 3배 이상 증가하며 기술적 중심축이 전환됨을 보여줍니다.
딥러닝 모델 구성 예시
-
ANN (Artificial Neural Network)
-
CNN (Convolutional Neural Network)
-
LSTM (Long Short-Term Memory)
-
Transformer 기반 모델
단일 모델로는 ANN이 가장 많이 사용되며, 복합 모델에서는 CNN+Attention Mechanism 또는 VGGNet+MLP 구조가 다수 등장합니다.
그림 설명
 |
| 그림 1. PPG 및 1·2차 미분(VPG, APG)을 통해 얻은 파형의 주요 특징점 시각화 (Onset, Systolic Peak, Dicrotic Notch 등) |
퀴즈
1. PPG를 이용한 혈압 예측에 가장 널리 사용되는 특징(feature)은?
A. Diastolic Area
B. Pulse Transit Time (PTT)
C. Frequency Component
D. Shannon Entropy
2. 2023년 기준, PPG 기반 혈압 예측에 가장 많이 사용된 딥러닝 알고리즘은?
A. CNN
B. RNN
C. ANN
D. GAN
정답 및 해설
1. 정답: B. 해설: PTT는 시작점에서 혈압 파형이 특정 지점까지 도달하는 시간을 측정한 것으로, Temporal feature 중 가장 흔히 쓰이는 요소입니다.
2. 정답: C. 해설: ANN은 단순 구조이지만 생체신호 분석에 강점을 지니며, 여전히 가장 많이 사용된 딥러닝 모델입니다.
실용화 단계에서의 한계와 미래 방향
-
일반화의 한계: 대부분 연구가 MIMIC 등의 공공 데이터셋에 의존
-
신호 품질 문제: 개인차에 따른 노이즈
-
실생활 적용 부족: 동적 환경에서는 아직 부족한 성능
해결방안: 노이즈 처리 알고리즘 강화, 다양한 환경에서 수집된 학습 데이터 확보, PPG 신호 품질 향상을 위한 하드웨어 보완 필요
참고문헌
[4] Cho JG, “Status and Prospect of Healthcare Sensing Technology for Wearable Devices,” The Korean Institute of Electrical Engineers, 2016.
[9] Kim KB, Baek HJ, “Photoplethysmography in Wearable Devices,” Electronics, vol. 12, no. 13, 2023.
[14] Slapnicar G et al., “Blood Pressure Estimation from PPG Using a Deep Neural Network,” Sensors, vol. 19, no. 15, 2019.
[21] Chowdhury MH et al., “Estimating Blood Pressure from PPG Using ML,” Sensors, vol. 20, no. 11, 2020.
[28] Yang S et al., “Blood Pressure Estimation with ECG-PPG Features,” Optical and Quantum Electronics, vol. 52, 2020.
[30] Yang SM et al., “PPG-based BP Estimation Using Morphology Features,” IEEE J Biomed Health Inform, vol. 25, no. 4, 2021.
[31] IEEE Std. 1708a-2019, “IEEE Standard for Cuffless Blood Pressure Devices,” IEEE, 2019.
댓글
댓글 쓰기