You are currently viewing 웨어러블 기기에서 전반적인 피트니스를 정확하게 측정할 수 있는 새로운 방법

웨어러블 기기에서 전반적인 피트니스를 정확하게 측정할 수 있는 새로운 방법

  • Post author:
  • Post published:December 1, 2022
  • Post category:Medical

캠브리지 연구원들은 착용자가 운동할 필요 없이 웨어러블 장치에서 현재의 소비자용 스마트워치 및 피트니스 모니터보다 더 강력하게 전반적인 피트니스를 정확하게 측정하는 방법을 개발했습니다.

일반적으로 VO2max를 정확하게 측정하기 위한 테스트(전체 체력의 핵심 측정이자 심장 질환 및 사망 위험의 중요한 예측 인자)에는 값비싼 실험실 장비가 필요하며 대부분 엘리트 운동선수에게만 제한됩니다. 이 새로운 방법은 기계 학습을 사용하여 GPS 측정과 같은 상황 정보 없이 일상 활동 중에 VO2max(유산소 운동을 수행할 수 있는 신체의 용량)를 예측합니다.

동종 최대 규모의 연구에서 연구원들은 웨어러블 센서를 사용하여 Fenland 연구에서 11,000명 이상의 참가자로부터 활동 데이터를 수집했으며 참가자의 하위 집합은 7년 후에 다시 테스트했습니다. 연구원들은 데이터를 사용하여 VO2max를 예측하는 모델을 개발했으며, 표준 실험실 기반 운동 테스트를 수행한 세 번째 그룹에 대해 검증했습니다. 이 모델은 실험실 기반 테스트에 비해 높은 수준의 정확도를 보였고 다른 접근 방식을 능가했습니다.

현재 시장에 나와 있는 일부 스마트워치 및 피트니스 모니터는 VO2max의 추정치를 제공한다고 주장하지만 이러한 예측을 지원하는 알고리즘은 게시되지 않고 언제든지 변경될 수 있으므로 예측이 정확한지 또는 운동 체제인지 여부가 불분명합니다. 시간이 지남에 따라 개인의 VO2max에 영향을 미칩니다.

Cambridge에서 개발한 모델은 강력하고 투명하며 심박수 및 가속도계 데이터만을 기반으로 정확한 예측을 제공합니다. 이 모델은 시간 경과에 따른 피트니스 변화도 감지할 수 있으므로 전체 인구의 피트니스 수준을 추정하고 라이프스타일 트렌드의 영향을 식별하는 데에도 유용할 수 있습니다. 결과는 저널에 보고됩니다. npj 디지털 의학.

VO2max 측정은 피트니스 테스트의 ‘황금 표준’으로 간주됩니다. 예를 들어 프로 운동선수는 지칠 때까지 운동하는 동안 산소 소비량을 측정하여 VO2max를 테스트합니다. 운동 테스트에 대한 심박수 반응과 같이 실험실에서 체력을 측정하는 다른 방법이 있지만 이러한 방법에는 러닝머신이나 운동용 자전거와 같은 장비가 필요합니다. 또한 격렬한 운동은 일부 개인에게 위험할 수 있습니다.

&#13

VO2max는 피트니스의 유일한 측정값은 아니지만 지구력에 중요한 측정값이며 당뇨병, 심장병 및 기타 사망 위험을 강력하게 예측합니다. 그러나 대부분의 VO2max 테스트는 합리적으로 건강한 사람들을 대상으로 수행되기 때문에 건강하지 않고 심혈관 질환의 위험이 있는 사람들로부터 측정을 얻기가 어렵습니다.”

&#13
&#13

Soren Brage 박사, 케임브리지의 MRC 역학 부서 공동 저자

&#13

“우리는 운동 테스트가 필요하지 않도록 웨어러블 장치의 데이터를 사용하여 VO2max를 정확하게 예측하는 것이 가능한지 여부를 알고 싶었습니다. “우리의 중심 질문은 웨어러블 장치가 야생에서 피트니스를 측정할 수 있는지 여부였습니다. 대부분의 웨어러블은 심박수, 걸음 수 또는 수면 시간과 같은 지표를 제공하며 이는 건강에 대한 프록시이지만 건강 결과와 직접적으로 연결되지는 않습니다.”

이 연구는 두 부서 간의 협력이었습니다. MRC 역학 부서의 팀은 인구 건강 및 심폐 건강에 대한 전문 지식과 잉글랜드 동부에서 장기간 진행된 공중 보건 연구인 펜랜드 연구(Fenland Examine)의 데이터를 제공했습니다. 컴퓨터공학과에서는 모바일 및 웨어러블 데이터를 위한 기계 학습 및 인공 지능에 대한 전문 지식을 제공했습니다.

연구 참가자들은 6일 동안 지속적으로 웨어러블 기기를 착용했습니다. 센서는 초당 60개의 값을 수집하여 처리하기 전에 엄청난 양의 데이터를 생성했습니다. Spathis는 “이 엄청난 양의 데이터를 압축하고 이를 사용하여 정확한 예측을 할 수 있는 알고리즘 파이프라인과 적절한 모델을 설계해야 했습니다.”라고 말했습니다. “데이터의 자유로운 생활 특성으로 인해 우리는 시끄러운 낮은 수준의 데이터(웨어러블 센서)로 높은 수준의 결과(피트니스)를 예측하려고 하기 때문에 이 예측을 어렵게 만듭니다.”

연구원들은 원시 센서 데이터에서 의미 있는 정보를 처리 및 추출하고 여기에서 VO2max를 예측하기 위해 심층 신경망으로 알려진 AI 모델을 사용했습니다. 예측을 넘어 훈련된 모델은 적합성과 관련된 개입이 특히 필요한 하위 집단을 식별하는 데 사용될 수 있습니다.

Fenland 연구에 참여한 11,059명의 기준 데이터를 7년 후 원래 참가자 2,675명의 하위 집합에서 가져온 후속 데이터와 비교했습니다. British isles Biobank Validation Study의 참가자 181명으로 구성된 세 번째 그룹은 알고리즘의 정확성을 검증하기 위해 실험실 기반 VO2max 테스트를 거쳤습니다. 기계 학습 모델은 기준선(82% 동의)과 후속 테스트(72% 동의) 모두에서 측정된 VO2max 점수와 강력하게 일치했습니다.

“이 연구는 역학, 공중 보건, 기계 학습 및 신호 처리 전반에 걸쳐 전문 지식을 어떻게 활용할 수 있는지에 대한 완벽한 시연입니다.”라고 공동 저자인 Ignacio Perez-Pozuelo 박사는 말했습니다.

연구원들은 그들의 결과가 웨어러블이 피트니스를 정확하게 측정할 수 있는 방법을 보여주지만 상업적으로 이용 가능한 웨어러블의 측정을 신뢰할 수 있으려면 투명성을 개선해야 한다고 말합니다.

“원칙적으로 많은 피트니스 모니터와 스마트워치가 VO2max 측정값을 제공하는 것은 사실이지만 이러한 주장의 타당성을 평가하는 것은 매우 어렵습니다.”라고 Brage는 말했습니다. “모델은 일반적으로 게시되지 않으며 알고리즘은 정기적으로 변경될 수 있어 사람들이 자신의 피트니스가 실제로 개선되었는지 아니면 다른 알고리즘에 의해 추정되고 있는지 판단하기 어렵습니다.”

Spathis는 “건강 및 피트니스와 관련된 스마트워치의 모든 것은 추정치입니다.”라고 말했습니다. “우리는 모델링에 대해 투명하고 대규모로 수행했습니다. 시끄러운 데이터와 기존 바이오마커의 조합으로 더 나은 결과를 얻을 수 있음을 보여줍니다. 또한 모든 알고리즘과 모델은 오픈 소스이며 누구나 사용할 수 있습니다. “

수석 저자는 “우리는 실제 피트니스 측정을 위해 실험실에서 값비싼 테스트가 필요하지 않다는 것을 보여주었습니다. 우리가 매일 사용하는 웨어러블은 올바른 알고리즘이 있다면 그만큼 강력할 수 있습니다.”라고 말했습니다. 컴퓨터 과학 기술과의 Cecilia Mascolo 교수. “심장 건강은 매우 중요한 건강 지표이지만 지금까지 이를 대규모로 측정할 수 있는 수단이 없었습니다. 이러한 발견은 인구 건강 정책에 상당한 영향을 미칠 수 있으므로 체질량과 같은 약한 건강 지표를 넘어설 수 있습니다. 지수(BMI).”

이 연구는 Cambridge의 Jesus College와 UKRI(Uk Research and Innovation)의 일부인 Engineering and Actual physical Sciences Exploration Council(EPSRC)의 일부 지원을 받았습니다. Cecilia Mascolo는 Cambridge, Jesus College의 펠로우입니다.

원천:

저널 참조:

스파티스, D., 외. (2022) 자유 생활 환경에서 웨어러블을 통한 세로 심폐 피트니스 예측. npj 디지털 의학. doi.org/10.1038/s41746-022-00719-1.