잠들지 못하는 사람들 - 수면장애 예측 모델의 탄생

[술랑이]

잠들지 못하는 사람들 -
수면장애 예측 모델의 탄생

프롤로그: 밤이 두려운 사람들

2024년 10월, 중국 쓰촨성 이빈시의 한 요양원에서 왕 할머니는 또다시 천장을 바라보며 밤을 지새우고 있었다.

74세의 그녀는 고혈압, 당뇨병, 관절염을 동시에 앓고 있는 전형적인 다중질환자였다.

하지만 그녀를 가장 괴롭히는 것은 질병 그 자체가 아니라, 매일 밤 찾아오는 불면이었다.

"또 잠이 안 와..." 왕 할머니의 한숨 소리가 조용한 병실에 울려 퍼졌다.

같은 시각, 청두대학교 의과대학 연구실에서는 리 박사가 컴퓨터 화면을 응시하고 있었다.

화면에는 수백 명의 고령자 데이터가 깜빡이고 있었다.

"왜 어떤 노인분들은 잠을 잘 주무시고, 어떤 분들은 밤마다 고통받으실까?"

리 박사는 혼잣말을 중얼거렸다.


1장: 데이터 속에서 찾은 단서

리 박사와 연구팀이 시작한 것은 야심찬 프로젝트였다.

471명의 다중질환 고령자들을 대상으로 한 대규모 연구.

그들의 목표는 단순했지만 중요했다:
누가 수면장애에 걸릴 가능성이 높은지 미리 예측할 수 있다면 얼마나 많은 고통을 덜어줄 수 있을까?


"전통적인 방법으론 한계가 있어요."

연구팀의 막내 장 연구원이 말했다.

"로지스틱 회귀분석만으로는 복잡한 관계를 파악하기 어려워요."

"그렇다면 기계에게 학습시켜보자."
리 박사가 결심했다.

연구팀은 6개의 서로 다른 인공지능
모델을 훈련시키기 시작했다.

로지스틱 회귀부터 신경망, 서포트 벡터 머신, 그래디언트 부스팅, K-최근접 이웃, 라이트 그래디언트 부스팅까지.

각각의 모델은 마치 서로 다른 성격을 가진 의사들처럼, 환자 데이터를 각자만의 방식으로 해석했다.


2장: 숨겨진 패턴의 발견

몇 주간의 분석 끝에 놀라운 결과가
나왔다.

471명 중 28.7%인 135명이 수면장애를 겪고 있었다. 하지만 더 중요한 발견은 따로 있었다.

"GBM 모델이 승자예요!" 장 연구원이 흥분해서 외쳤다.

"AUC가 0.881이에요. 다른 모델들을 압도적으로 뛰어넘었어요."

하지만 리 박사의 표정은 여전히 진지했다.

"성능이 좋은 것도 중요하지만, 왜 그런 예측을 하는지 설명할 수 있어야 해.

의사들이 이해할 수 없는 블랙박스로는 실제 환자를 치료할 수 없거든."

그래서 그들이 도입한 것이 SHAP이었다.

마치 탐정이 범인을 찾아내는 과정을 하나하나 설명하듯, SHAP은 인공지능의 판단 근거를 명확히 보여주었다.


3장: 일곱 개의 위험신호

SHAP 분석 결과, 수면장애를 예측하는 일곱 개의 주요 위험요인이 드러났다:

첫 번째, 허약함: 몸이 약해질수록 잠들기 어려워진다.

두 번째, 인지기능 저하: 기억력이 떨어지면 수면 리듬도 흐트러진다.

세 번째, 영양부족: 제대로 먹지 못하면 잠도 제대로 올 수 없다.

네 번째, 독거: 혼자 사는 외로움이 밤의 적적함을 더한다.

다섯 번째, 우울: 마음의 어둠이 잠을 멀어지게 한다.

여섯 번째, 흡연: 니코틴이 숙면을 방해한다.

일곱 번째, 불안: 걱정이 많으면 잠자리에서도 마음이 편하지 않다.



"이제 이해했어요."
리 박사가 중얼거렸다.

"수면장애는 단순한 잠의 문제가 아니라 삶 전체의 문제였던 거군요."


4장: 왕 할머니의 변화

연구 결과가 발표된 후, 왕 할머니가 속한 요양원에서도 새로운 접근법을 시도해보기로 했다.

담당 의사는 SHAP 모델을 통해 왕 할머니의 위험요인들을 하나씩 점검했다.

"할머니, SHAP 분석에 따르면 독거 생활과 우울감이 가장 큰 위험요인이네요."

왕 할머니의 경우 허약함 점수 -0.238, 영양상태 -0.238로 상대적으로 양호했지만,

인지기능 저하와 흡연 이력이 수면장애 위험을 높이고 있었다.


의료진은 개인맞춤형 개입을 시작했다.

금연 프로그램, 인지 훈련, 그리고 무엇보다 사회적 교류를 늘리는 프로그램을 도입했다.


한 달 후, 왕 할머니는 처음으로 밤새
잠들 수 있었다.


5장: 모델의 한계와 가능성

리 박사는 연구실에서 동료들과 성과를 축하하면서도 한계를 잊지 않았다.

"우리 모델은 88.1%의 정확도로 수면장애를 예측할 수 있어요. 하지만 이것은 시작일 뿐입니다."

그는 말했다.

"중국 고령자만을 대상으로 했으니 다른 문화권에서도 통할지 확인해야 하고,

무엇보다 시간의 흐름에 따른 변화를 추적하는 종단 연구가 필요해요."

장 연구원이 고개를 끄덕였다.

"그리고 외부 검증도 필요하고요.
다른 지역, 다른 의료 시스템에서도
같은 성능을 보일지 확인해야 해요."

"맞아요. 하지만 우리가 증명한 것만으로도 충분히 의미 있어요."

리 박사가 미소지었다.

"머신러닝이 의료진을 대체하는 것이
아니라, 더 나은 치료를 위한 도구가
될 수 있다는 것을요."


에필로그: 잠드는 사람들

6개월 후, 왕 할머니는 규칙적인 수면 패턴을 되찾았다.

그녀뿐만 아니라 연구에 참여했던 많은 고령자들이 개선된 수면의 질을 경험했다.

리 박사의 연구팀은 더 큰 꿈을 꾸고 있었다.

다른 나라, 다른 문화권의 연구자들과 협력하여 전 세계적으로 통용될 수 있는 수면장애 예측 모델을 만드는 것이었다.

"인공지능이 인간의 고통을 덜어줄 수 있다면,"

리 박사가 연구실 창밖의 별들을 바라보며 말했다, "우리의 연구가 진정한 의미를 갖게 되는 거겠죠."

그날 밤, 연구에 참여했던 많은 고령자들이 평온한 잠에 들었다. 그들의 꿈속에서는 더 이상 불안과 걱정이 아니라, 희망이 춤추고 있었다.

작가의 말

이 소설은 실제 연구 "Development and validation of an explainable machine learning model for predicting the risk of sleep disorders in older adults with multimorbidity"를 바탕으로 재구성되었습니다.

과학적 연구의 엄밀함과 인간의 이야기를 조화시켜, 기술이 어떻게 우리의 삶을 개선할 수 있는지 보여주고자 했습니다.

------
Development and validation of an explainable machine learning model for predicting the risk of sleep disorders in older adults with multimorbidity: a cross‑sectional study
링크: https://www.frontiersin.org/articles/10.3389/fpubh.2025.1619406/full

Frontiers | Development and validation of an explainable machine learning model for predicting the risk of sleep disorders in ol