느린 안구 운동(SEM)과 뇌파의 스펙트럼 동시 분석을 이용한 1단계 수면탐지 Automatic Detection of Stage 1 Sleep Utilizing Simultaneous Analyses of EEG Spectrum and Slow Eye Movement원문보기
목 적:1단계 수면은, 입면 시점과 관련하여 수면다원기록의 해석에 중요한 정보를 제공한다. 1단계 수면은 각성 상태에서 수면 상태로의 짧은 전이 기간으로, 특징적인 지표가 없어 디지털 분석을 통한 수면 단계 결정에 어려움이 있다. 본 연구에서는, 뇌파와 안전도에 대한 디지털 분석을 통하여 1단계 수면을 자동으로 탐지하는 프로그램을 개발하고자 하였다. 방 법:야간수면다원기록 중 검사 시작 시점부터 2단계 수면이 출현하기 이전의 자료를 분석하였다. 뇌파의 스펙트럼 분석을 통해 알파파와 세타파의 상대 파워를 계산하였고, 알파파의 상대 파워가 50% 이하, 세타파의 상대 파워가 23% 이상일 경우 1단계 수면 판정의 기준 변수로 하였다. 또 안구운동의 지속시간이 1.5초에서 4초 사이에 있는 경우에 느린 안구운동(SEM)으로 판정하고 1단계 수면 판정의 기준변수로 하였다. 이 들 세 기준 변수들을 고려하여 해당 판독단위에 대해 각성 혹은 1단계 수면으로 최종 판정하였다. 결 과:연구 대상자는 7명으로 모두 남성이었으며, 23세였다. 개발된 프로그램을 이용하여 169개의 판독단위를 분석하였다. 기준과의 일치도는 79.3%였으며, 카파값은 0.586이고, 통계적으로 유의하였다. 느린 안구운동은 169개의 판독단위 중 54개(32%)에서 나타났으며, 70.4%의 일치도를 보였다. 결 론:기존 연구의 디지털 분석을 통한 수면 단계 판정의 일치도는 70%이다. 본 프로그램의 일치도 79.3%는 기존 연구 결과에 비해 향상된 것이며, 본 프로그램이 1단계 수면 판정에 유용하다고 판단된다. 뇌파 외에 안전도를 고려한 다중적 접근이 일치도 향상에 기여했을 것으로 생각되며, 1단계 수면 판정에 있어 안전도의 중요성을 확인할 수 있었다.
목 적:1단계 수면은, 입면 시점과 관련하여 수면다원기록의 해석에 중요한 정보를 제공한다. 1단계 수면은 각성 상태에서 수면 상태로의 짧은 전이 기간으로, 특징적인 지표가 없어 디지털 분석을 통한 수면 단계 결정에 어려움이 있다. 본 연구에서는, 뇌파와 안전도에 대한 디지털 분석을 통하여 1단계 수면을 자동으로 탐지하는 프로그램을 개발하고자 하였다. 방 법:야간수면다원기록 중 검사 시작 시점부터 2단계 수면이 출현하기 이전의 자료를 분석하였다. 뇌파의 스펙트럼 분석을 통해 알파파와 세타파의 상대 파워를 계산하였고, 알파파의 상대 파워가 50% 이하, 세타파의 상대 파워가 23% 이상일 경우 1단계 수면 판정의 기준 변수로 하였다. 또 안구운동의 지속시간이 1.5초에서 4초 사이에 있는 경우에 느린 안구운동(SEM)으로 판정하고 1단계 수면 판정의 기준변수로 하였다. 이 들 세 기준 변수들을 고려하여 해당 판독단위에 대해 각성 혹은 1단계 수면으로 최종 판정하였다. 결 과:연구 대상자는 7명으로 모두 남성이었으며, 23세였다. 개발된 프로그램을 이용하여 169개의 판독단위를 분석하였다. 기준과의 일치도는 79.3%였으며, 카파값은 0.586이고, 통계적으로 유의하였다. 느린 안구운동은 169개의 판독단위 중 54개(32%)에서 나타났으며, 70.4%의 일치도를 보였다. 결 론:기존 연구의 디지털 분석을 통한 수면 단계 판정의 일치도는 70%이다. 본 프로그램의 일치도 79.3%는 기존 연구 결과에 비해 향상된 것이며, 본 프로그램이 1단계 수면 판정에 유용하다고 판단된다. 뇌파 외에 안전도를 고려한 다중적 접근이 일치도 향상에 기여했을 것으로 생각되며, 1단계 수면 판정에 있어 안전도의 중요성을 확인할 수 있었다.
Objectives: Stage 1 sleep provides important information regarding interpretation of nocturnal polysomnography, particularly sleep onset. It is a short transition period from wakeful consciousness to sleep. The lack of prominent sleep events characterizing stage 1 sleep is a major obstacle in automa...
Objectives: Stage 1 sleep provides important information regarding interpretation of nocturnal polysomnography, particularly sleep onset. It is a short transition period from wakeful consciousness to sleep. The lack of prominent sleep events characterizing stage 1 sleep is a major obstacle in automatic sleep stage scoring. In this study, utilization of simultaneous EEG and EOG processing and analyses to detect stage 1 sleep automatically were attempted. Methods: Relative powers of the alpha waves and the theta waves were calculated from spectral estimation. A relative power of alpha waves less than 50% or relative power of theta waves more than 23% was regarded as stage 1 sleep. SEM(slow eye movement) was defined as the duration of both-eye movement ranging from 1.5 to 4 seconds, and was also regarded as stage 1 sleep. If one of these three criteria was met, the epoch was regarded as stage 1 sleep. Results were compared to the manual rating results done by two polysomnography experts. Results: A total of 169 epochs were analyzed. The agreement rate for stage 1 sleep between automatic detection and manual scoring was 79.3% and Cohen’s Kappa was 0.586 (p<0.01). A significant portion (32%) of automatically detected stage 1 sleep included SEM. Conclusion: Generally, digitally-scored sleep staging shows accuracy up to 70%. Considering potential difficulty in stage 1 sleep scoring, accuracy of 79.3% in this study seems to be strong enough. Simultaneous analysis of EOG differentiates this study from previous ones which mainly depended on EEG analysis. The issue of close relationship between SEM and stage 1 sleep raised by Kinnari remains a valid one in this study.
Objectives: Stage 1 sleep provides important information regarding interpretation of nocturnal polysomnography, particularly sleep onset. It is a short transition period from wakeful consciousness to sleep. The lack of prominent sleep events characterizing stage 1 sleep is a major obstacle in automatic sleep stage scoring. In this study, utilization of simultaneous EEG and EOG processing and analyses to detect stage 1 sleep automatically were attempted. Methods: Relative powers of the alpha waves and the theta waves were calculated from spectral estimation. A relative power of alpha waves less than 50% or relative power of theta waves more than 23% was regarded as stage 1 sleep. SEM(slow eye movement) was defined as the duration of both-eye movement ranging from 1.5 to 4 seconds, and was also regarded as stage 1 sleep. If one of these three criteria was met, the epoch was regarded as stage 1 sleep. Results were compared to the manual rating results done by two polysomnography experts. Results: A total of 169 epochs were analyzed. The agreement rate for stage 1 sleep between automatic detection and manual scoring was 79.3% and Cohen’s Kappa was 0.586 (p<0.01). A significant portion (32%) of automatically detected stage 1 sleep included SEM. Conclusion: Generally, digitally-scored sleep staging shows accuracy up to 70%. Considering potential difficulty in stage 1 sleep scoring, accuracy of 79.3% in this study seems to be strong enough. Simultaneous analysis of EOG differentiates this study from previous ones which mainly depended on EEG analysis. The issue of close relationship between SEM and stage 1 sleep raised by Kinnari remains a valid one in this study.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는, 1단계 수면을 구성하는 다양한 생리적 사건들이 비교적 일정한 순서로 나타나며, 경우에 따라서는 동시에 나타나는 양상을 보인다는 점을 염두에 두고 이루어졌다. 따라서 수원다원기록의 특정 판독단위에 대해 위에서 열거한 기준들을 만족하는지 검증하게 된다.
한편 각 판독단위의 알파파 파워를 이전 판독단위의 그것과 비교하였으며 그 증감을 조사하였다. 이를 통해 각성에서 수면으로 진행할 때 특징적으로 출현하는 알파파 파워의 감소 현상을 관찰하고자 하였다(그림 4).
이에 본 연구에서는 뇌파 분석에 기존 연구에서 다루어지지 않았던 느린 안구운동의 디지털 분석을 추가하여 1단계 수면에 대한 판별 정확도를 높이려고 시도하였다. 이미 개발되어 임상에서 활용되고 있는 전문가 시스템을 이용하여 2~4단계 수면 및 렘(Rapid eye movement, REM) 수면에 대한 판독을 시행하였다.
제안 방법
Hanning window를 사용하여, 고속 푸리에 변환(FFT, fast Fourier transformation)을 시행하였고, 주파수 대역(band)별로 절대 파워(absolute power)를 계산하였으며, 이들의 총합인 총 대역 파워(total band power)를 구하였다. 각 대역 파워(band power)를 총 대역 파워(total band power)로 나누어 대역 별 상대 파워(relative band power)를 계산하였다(그림 1).
Hanning window를 사용하여, 고속 푸리에 변환(FFT, fast Fourier transformation)을 시행하였고, 주파수 대역(band)별로 절대 파워(absolute power)를 계산하였으며, 이들의 총합인 총 대역 파워(total band power)를 구하였다. 각 대역 파워(band power)를 총 대역 파워(total band power)로 나누어 대역 별 상대 파워(relative band power)를 계산하였다(그림 1).
알파파의 상대 파워, 세타파의 상대 파워 그리고 느린 안구운동의 3개 기준 변수에 대하여, 각 기준 변수가 앞서 기술한 1단계 수면의 기준을 만족하면 `1`, 각성에 해당하는 경우는 `0`으로 부호화(coding)하였을 때 나타날 수 있는 8가지 조합을 만들었다. 각 조합에 대해 순서대로 R1, R2, R3, R4, R5, R6, R7 및 R8으로 명명하고 분류하였다(표 1). 각 조합에 대해 다음과 같은 기준으로 각성이나 1단계 수면으로 최종 판정하였다.
)을 사용하였으며, 표준화된 방법으로 각종 전극들(electrodes)과 감지기들(sensors)을 대상자에게 부착하였다. 뇌파(EEG), 안전도(EOG), 하악 근전도(chin EMG), 심전도(ECG), 호흡음(breathing sound), 구강 및 비 공기 흐름(oral and nasal airflow), 흉곽 호흡 운동(chest movement), 복부 호흡 운동(abdominal movement), 사지운동(limb movement), 그리고 혈중산소포화도(SaO2, arterial oxygen saturation)를 측정하였다. 뇌파 전극은 10~20 체계(14)에 근거하여 C3/A2, O1/A2, C4/A1, O2/A1에 부착하였으며 수면 뇌파의 파워스펙트럼 분석에 사용된 전극은 C3/A2, O2/A1였다.
느린 안구운동을 탐지하기 위해, 해당 판독단위의 안구운동의 지속 시간이 1.5초부터 4초 사이에 있는 지 판별하였다. 해당 판독 단위의 안전도 진폭의 표준 편차(standard deviation)를 좌우 각각에 대하여 AL, AR이라 하였을 때, AL과 AR의 차를 AL과 AR중 가장 큰 값으로 나누었을 때, 그 값이 0.
동일 자료에 대해 본 연구에서 개발한 분석 프로그램(SOD)을 이용하여 분석하였다. 알파파의 상대 파워, 세타파의 상대 파워 그리고 느린 안구운동의 3개 기준 변수에 대하여, 각 기준 변수가 앞서 기술한 1단계 수면의 기준을 만족하면 `1`, 각성에 해당하는 경우는 `0`으로 부호화(coding)하였을 때 나타날 수 있는 8가지 조합을 만들었다.
첫째, 알파파의 상대 파워가 50% 이상이면 다른 기준 변수들이 어떤 값을 가지더라도 각성으로 판정하였다(R1, R2, R3, R4). 둘째, 알파파의 상대 파워가 50% 이하이면, 세타파의 상대 파워가 23% 이상이거나 느린 안구운동이 나타나는 경우에만 1단계 수면으로 판정하였다(R5, R6, R7). 셋째, 알파파의 1단계 수면 기준만을 만족하면 각성으로 판정하였다(R8)(표 1).
본 연구는 1단계 수면 판정을 위해 뇌파와 안전도를 동시에 디지털 분석하였다는 점에서 기존의 연구와 차별화된다. 수면의학 전문가가 수면다원기록을 판정할 때 뇌파뿐 아니라 안전도, 근전도, 호흡 양상, 사지운동 양상 등을 종합적으로 고려한다는 점을 감안하면, 수면다원기록의 디지털 분석에서도 다양한 자료를 종합적으로 분석하면 판독 정확도를 높일 수 있을 것으로 판단한다.
본 연구는, 1단계 수면을 구성하는 다양한 생리적 사건들이 비교적 일정한 순서로 나타나며, 경우에 따라서는 동시에 나타나는 양상을 보인다는 점을 염두에 두고 이루어졌다. 따라서 수원다원기록의 특정 판독단위에 대해 위에서 열거한 기준들을 만족하는지 검증하게 된다.
본 연구에서 제안된 알고리즘을 실제 신호에 적용시켜 보고 그 정확도를 판정한 후 알고리즘에 적용되는 기준 변수(parameters)를 수정하기 위한 신호 분석 및 디스플레이 기능을 가진 신호 분석 프로그램(SOD Version 0.9)를 구현하였다. 이 프로그램을 이용하여 뇌파와 안전도 신호의 판독단위(epoch) 별 파형과 분석 결과를 한 눈에 알아볼 수 있고, 분석 결과를 저장할 수 있다.
해당 판독단위에 나타난 세타파(2~7 Hz)의 상대 파워가 23% 이상이면 1단계 수면에 부합된다고 판정하였다. 세타파의 상대 파워가 시간에 따라 어떤 변화를 보이는지 판별하기 위해 해당 판독단위와 이전 판독단위를 비교하였다(그림 5).
둘째, 알파파의 상대 파워가 50% 이하이면, 세타파의 상대 파워가 23% 이상이거나 느린 안구운동이 나타나는 경우에만 1단계 수면으로 판정하였다(R5, R6, R7). 셋째, 알파파의 1단계 수면 기준만을 만족하면 각성으로 판정하였다(R8)(표 1).
수면다원기록기기는 Grass model 78(Grass Instrumental Co., U.S.A.)을 사용하였으며, 표준화된 방법으로 각종 전극들(electrodes)과 감지기들(sensors)을 대상자에게 부착하였다. 뇌파(EEG), 안전도(EOG), 하악 근전도(chin EMG), 심전도(ECG), 호흡음(breathing sound), 구강 및 비 공기 흐름(oral and nasal airflow), 흉곽 호흡 운동(chest movement), 복부 호흡 운동(abdominal movement), 사지운동(limb movement), 그리고 혈중산소포화도(SaO2, arterial oxygen saturation)를 측정하였다.
안전도의 측정과 기록은 뇌파와 동일한 과정을 거쳤다. 안전도 신호에 대해 평활화(smoothing)(Moving average:order 10) 과정을 거쳤고, 저역 통과 필터(low pass filtering:< 8 Hz)를 거친 후, 첨점 검출(peak detection) 과정을 통해 각 파(wave)의 첨점(peak)을 얻었다. 이후 안전도에 대한 분할 과정을 거쳤고, 정해진 기준에 따라 느린 안구 운동을 탐지하였다(그림 2).
동일 자료에 대해 본 연구에서 개발한 분석 프로그램(SOD)을 이용하여 분석하였다. 알파파의 상대 파워, 세타파의 상대 파워 그리고 느린 안구운동의 3개 기준 변수에 대하여, 각 기준 변수가 앞서 기술한 1단계 수면의 기준을 만족하면 `1`, 각성에 해당하는 경우는 `0`으로 부호화(coding)하였을 때 나타날 수 있는 8가지 조합을 만들었다. 각 조합에 대해 순서대로 R1, R2, R3, R4, R5, R6, R7 및 R8으로 명명하고 분류하였다(표 1).
수면다원기록과 동시에 서울대학교병원 수면다원검사실과 서울대학교 의과대학 의공학과가 협동해서 개발한 IPSS(Intelligent Polysomnography System) 디지털 수면 다원 신호 획득 시스템을 사용하여 디지털 자료를 확보하였다. 이 시스템은 의공학 전문가가 visual C++ 프로그래밍 언어(Microsoft visual C++, version 6.0, U.S.A.)를 사용하여 개발하였으며, M67(Innovative Integration, U.S.A.) DSP(digital signal processing) module을 사용하여 Grass model 78 수면다원기록기기에서 얻어낸 수면다원검사의 모든 아날로그 신호를 디지털화하여 컴퓨터에 저장한다. SOD를 통한 분석은 Pentium Ⅳ Personal Computer를 이용하여 구현하였다.
수면다원기록은 Rechtschaffen과 Kales의 표준화된 기준(9)에 따라 본 연구와 무관한 수면다원검사 판독전문기사 2명이 판독하였다. 이를 바탕으로 수면 기록 시작 직후부터 2단계 수면이 나타나기 이전의 수면 자료 범위를 정하였다. 이 수면 자료에 대해 수면 기사가 각성, 1단계 수면 및 입면기 렘수면 중 어느 하나로 판별하였다.
이에 본 연구에서는 뇌파 분석에 기존 연구에서 다루어지지 않았던 느린 안구운동의 디지털 분석을 추가하여 1단계 수면에 대한 판별 정확도를 높이려고 시도하였다. 이미 개발되어 임상에서 활용되고 있는 전문가 시스템을 이용하여 2~4단계 수면 및 렘(Rapid eye movement, REM) 수면에 대한 판독을 시행하였다. 한편 수면다원검사 시작 직후의 각성 상태에서 2단계 수면이 출현하기 직전의 수면 검사 자료를 대상으로 뇌파와 안전도에 대한 디지털 분석을 통하여 각성과 1단계 수면을 판별하기 위해 알고리즘을 개발하였다.
안전도 신호에 대해 평활화(smoothing)(Moving average:order 10) 과정을 거쳤고, 저역 통과 필터(low pass filtering:< 8 Hz)를 거친 후, 첨점 검출(peak detection) 과정을 통해 각 파(wave)의 첨점(peak)을 얻었다. 이후 안전도에 대한 분할 과정을 거쳤고, 정해진 기준에 따라 느린 안구 운동을 탐지하였다(그림 2).
각 조합에 대해 다음과 같은 기준으로 각성이나 1단계 수면으로 최종 판정하였다. 첫째, 알파파의 상대 파워가 50% 이상이면 다른 기준 변수들이 어떤 값을 가지더라도 각성으로 판정하였다(R1, R2, R3, R4). 둘째, 알파파의 상대 파워가 50% 이하이면, 세타파의 상대 파워가 23% 이상이거나 느린 안구운동이 나타나는 경우에만 1단계 수면으로 판정하였다(R5, R6, R7).
해당 판독단위에서 알파파(8~13 Hz)의 상대 파워가 50% 이하인 경우에 1단계 수면에 부합된다고 판정하였다. 한편 각 판독단위의 알파파 파워를 이전 판독단위의 그것과 비교하였으며 그 증감을 조사하였다. 이를 통해 각성에서 수면으로 진행할 때 특징적으로 출현하는 알파파 파워의 감소 현상을 관찰하고자 하였다(그림 4).
이미 개발되어 임상에서 활용되고 있는 전문가 시스템을 이용하여 2~4단계 수면 및 렘(Rapid eye movement, REM) 수면에 대한 판독을 시행하였다. 한편 수면다원검사 시작 직후의 각성 상태에서 2단계 수면이 출현하기 직전의 수면 검사 자료를 대상으로 뇌파와 안전도에 대한 디지털 분석을 통하여 각성과 1단계 수면을 판별하기 위해 알고리즘을 개발하였다. 이 알고리즘이 구현된 프로그램은 SOD(sleep onset detector)로 명명되었으며, MATLAB(version 5.
대상 데이터
뇌파(EEG), 안전도(EOG), 하악 근전도(chin EMG), 심전도(ECG), 호흡음(breathing sound), 구강 및 비 공기 흐름(oral and nasal airflow), 흉곽 호흡 운동(chest movement), 복부 호흡 운동(abdominal movement), 사지운동(limb movement), 그리고 혈중산소포화도(SaO2, arterial oxygen saturation)를 측정하였다. 뇌파 전극은 10~20 체계(14)에 근거하여 C3/A2, O1/A2, C4/A1, O2/A1에 부착하였으며 수면 뇌파의 파워스펙트럼 분석에 사용된 전극은 C3/A2, O2/A1였다. 안전도 감지기는 외안각 외측 1 cm 상방, 하방에 각각 부착하고, 근전도 감지기는 하악근 위에 부착하였다.
본 연구는 1단계 수면과 밀접하게 관련되는 3가지 자료를 기반으로 하였다. 먼저 알파파는 1단계 수면의 초기에 특징적인 변화를 보이며, 후두부(occipital) 알파파의 상대 파워 감소와 전두부(frontal) 알파파 파워의 상대적 증가를 보인다(15,16).
본 연구는 정상인의 수면 자료를 대상으로 한 것이다. 수면다원검사를 받는 대상자들의 대부분이 다양한 수면 질환을 가지고 있으므로, 수면 질환이 있는 환자들을 대상으로 본 알고리즘의 임상적 유용성을 검증할 수 있는 연구가 이어져야 한다.
수면다원기록과 동시에 서울대학교병원 수면다원검사실과 서울대학교 의과대학 의공학과가 협동해서 개발한 IPSS(Intelligent Polysomnography System) 디지털 수면 다원 신호 획득 시스템을 사용하여 디지털 자료를 확보하였다. 이 시스템은 의공학 전문가가 visual C++ 프로그래밍 언어(Microsoft visual C++, version 6.
전두부(C3) 및 후두부(O2) 뇌파를 분석하였다. 전극을 통해서 얻어진 아날로그(analogue) 자료를 디지털 자료로 전환하기 위해 125 Hz로 수집하였다.
총 7명의 수면검사 자료에서 추출한, 총 169개의 판독단위를 분석하였다. 이들 판독단위는 수면다원검사 시작 직후부터 2단계 수면이 나타나기 이전의 자료들이었으며, 2~4단계 수면 및 렘수면을 보이는 판독단위는 없었고, 각성이나 1단계 수면 중 하나에 해당하였다.
최근 2주 내에 약물을 복용한 일이 없고, 신경과적, 내과적, 그리고 수면 질환이 없는 7명의 정상인의 자료를 이용하였다. 이들은 모두 남성이었고, 23세였다.
데이터처리
각 조합에 해당되는 판독단위에 대해 프로그램이 판정한 결과를 수면 기사가 판독한 기준과 비교하여, 전체 일치도(OPA, overall percent agreement)를 계산하였다. 신뢰도 평가를 위해 SPSS PC version 11.
각 조합에 해당되는 판독단위에 대해 프로그램이 판정한 결과를 수면 기사가 판독한 기준과 비교하여, 전체 일치도(OPA, overall percent agreement)를 계산하였다. 신뢰도 평가를 위해 SPSS PC version 11.0을 이용하여 카파(kappa)값을 계산하였다.
이를 통하여 제안된 알고리즘에 의한 뇌파의 상대 파워와 연구자가 육안으로 판정하는 상대 파워를 비교할 수 있었다. 제안된 알고리즘에 의한 느린 안구 운동이 육안으로 판정할 때에도 느린 안구 운동으로 판정될 수 있는 지 비교하였다(그림 3).
근전도의 변화는 매우 느리고 점진적이므로 각성 상태와 입면 상태를 구분할 수 있을 만큼 분명하지 않기 때문이다. 하지만 기면병 환자에서 나타날 수 있는 입면 시 렘수면을 감별하는데 근전도의 평균값을 이용하였다
3 이하가 되는 경우에 느린 안구 운동의 진폭 조건을 만족한다고 보았다. 한편 좌우 안전도의 느린 안구 운동이 동시에 일어나는지 판단하기 위해, 좌우 안전도의 첨점의 index에 대하여 공변량 분석(covariate analysis)을 통해 상관 계수(correlation coefficient)를 구하였으며, 그 값이 -0.7이하인 경우 느린 안구 운동의 동시성에 대한 조건을 만족한다고 보았다.
한편 기면병 환자에서는 입면기 렘수면이 나타날 수 있다. 해당 판독단위의 안구운동의 지속 시간이 1.5초 미만인 경우에는, 해당 판독단위의 근전도 평균값을 수면 검사 전체 근전도의 평균값과 비교하였으며, 이보다 낮은 값을 보이는 경우에는 입면기 렘수면으로 판독하였고, 입면으로 판별하였다.
이론/모형
수면다원기록은 Rechtschaffen과 Kales의 표준화된 기준(9)에 따라 본 연구와 무관한 수면다원검사 판독전문기사 2명이 판독하였다. 이를 바탕으로 수면 기록 시작 직후부터 2단계 수면이 나타나기 이전의 수면 자료 범위를 정하였다.
성능/효과
1단계 수면으로 판정된 판독단위 중에, 알파파 조건과 세타파 조건을 동시에 만족하는 조합이 40개로 가장 많았고, 85%의 일치도를 보였다. 이는 1단계 수면을 판정하는 데 있어 세타파의 상대 파워를 고려하는 것이 유용하다는 점을 시사한다.
1단계 수면으로 판정된 판독단위는 94개였으며, 이 중 알파파 조건과 세타파 조건을 만족하는 R6 조합이 40개로 가장 많았고, 85%의 일치도를 보였다.
이 시스템에서도 1단계 수면의 판별에서 알파파의 상대 파워 변화를 근거로 하였기에 앞서 언급한 한계를 벗어나지 못하였다. 그 결과 1단계 수면의 탐지율이 2~4단계 수면 및 렘수면에 비해 낮은 양상을 보였다.
1957년 Dement와 Kleitman은 Loomis 등의 Stage A와 Stage B를 합쳐서 Stage 1으로 분류하였다(8). 그 결과 수면 단계 판정에서 각성과 수면 상태를 감별하는 능력은 상대적으로 줄어들게 되었다. 1968년 Rechtschaffen과 Kales는 이전 연구 결과를 종합하여 뇌파, 안전도(Electrooculogram, EOG), 근전도(Electromyogram, EMG) 등을 기반으로 한 수면 단계 분류 지침(9)을 만들었으며, 입면기 수면 단계를 알파파의 상대적 비율이 50% 이상인 각성 상태, 알파파의 상대적 비율이 50% 이하로 감소하고 2~7 Hz의 뇌파가 주로 나타나는 1단계 수면, 수면 방추파와 케이-복합파가 주로 나타나며, 델타파(delta wave)의 상대적 비율이 20% 이하인 2단계 수면으로 나누었다(9).
끝으로, 7명의 전체 자료를 통합한 후 분석한 결과 전체 일치도는 79.3%였다. 그리고 카파값은 0.
각성으로 판정된 판독단위는 75개였으며, 이 중 알파파의 상대적 파워가 50% 이상이라는 조건을 만족하는 것은 3개뿐이었다. 나머지 72개는 알파파의 상대 파워가 50% 이하이면서 세타파와 느린 안구운동에서 1단계 수면을 시사하는 소견이 나타나지 않아 각성으로 분류되었으며 82%의 일치도를 보였다.
느린 안구운동은 169개의 판독단위 중 54개, 즉 32%에서 나타났으며, 70.4%의 일치도를 보였다. 하지만 2명의 수면 자료에서는 느린 안구운동을 찾을 수 없었다.
또 렘이라는 특징적인 지표가 있는 렘-수면 단계와 수면 방추파나 케이-복합파와 같은 뚜렷한 지표가 있는 2단계 수면 역시 디지털 분석이 상대적으로 용이한 편이다. 따라서 2~4단계 및 렘-수면과 1단계 수면의 일치도가 포괄되어 계산된 일치도가 70%라는 점을 감안하면, 본 연구에서 얻은 79.3%의 일치도는, 다른 수면 단계에 비해 특징적인 지표가 적고 여러 지표를 고려해야 하는 1단계 수면만을 대상으로 한 것으로, 의미 있게 높은 결과라 할 수 있다. 카파값 0.
본 연구에서 개발한 디지털 분석 프로그램을 활용하여 1단계 수면과 각성 상태를 구분하고, 판정한 결과는 수면 기사가 판독한 기준 결과와 비교하였을 때 79.3%의 전체 일치도를 보였다. 기존 연구에서 디지털 분석을 이용하여 수면 단계를 판정한 일치도는 70% 정도이며(12), 그 일치도는 1단계 수면뿐 아니라 2~4단계 및 렘-수면까지 포괄적으로 분석하며 얻은 결과이다.
수면의학 전문가가 수면다원기록을 판정할 때 뇌파뿐 아니라 안전도, 근전도, 호흡 양상, 사지운동 양상 등을 종합적으로 고려한다는 점을 감안하면, 수면다원기록의 디지털 분석에서도 다양한 자료를 종합적으로 분석하면 판독 정확도를 높일 수 있을 것으로 판단한다. 본 연구에서 나온 79.3%의 일치도는 기존 결과에 비해 높은 값이며, 이는 뇌파 외에 안전도를 고려한 다중적 접근이 유효함을 입증한다.
이들의 경우 각각 16개와 22개의 판독단위로 이루어져 있어 다른 수면 자료에 비해 상대적으로 짧았다. 알파파의 상대 파워가 50% 이하라는 조건을 만족하는 것 중에서 느린 안구운동을 고려해서 1단계 수면으로 판정한 판독단위는 37개로 68%의 일치도를 보였다.
한편 수면다원검사 시작 직후의 각성 상태에서 2단계 수면이 출현하기 직전의 수면 검사 자료를 대상으로 뇌파와 안전도에 대한 디지털 분석을 통하여 각성과 1단계 수면을 판별하기 위해 알고리즘을 개발하였다. 이 알고리즘이 구현된 프로그램은 SOD(sleep onset detector)로 명명되었으며, MATLAB(version 5.3.0 R13, Mathwork, U.S.A.)으로 구현되었으며, 신호처리와 논리 연산, 결과 화면 제시 등의 기능을 가졌다.
알파파의 상대 파워가 50% 이하라는 조건을 만족하는 것 중에서 느린 안구운동을 고려해서 1단계 수면으로 판정한 판독단위는 37개로 68%의 일치도를 보였다. 이들 판독단위는 느린 안구운동을 고려하지 않았을 경우에는 각성으로 판정될 수 있는 것으로, 느린 안구운동을 이용함으로써 알파파만으로 감별이 힘든 판독 단위에 대한 판정력을 높일 수 있었다. 2000년 Kinnari 등은 주간 과다 졸림증 환자들을 대상으로 한 연구에서 느린 안구운동의 출현이 뇌파 변화보다 더 일관되게 외부 자극에 대한 반응성의 감소와 관련된다는 것을 보고하였다(18).
종이에 기록되는 신호와 유사하게 화면에 디스플레이 된다. 이를 통하여 제안된 알고리즘에 의한 뇌파의 상대 파워와 연구자가 육안으로 판정하는 상대 파워를 비교할 수 있었다. 제안된 알고리즘에 의한 느린 안구 운동이 육안으로 판정할 때에도 느린 안구 운동으로 판정될 수 있는 지 비교하였다(그림 3).
지금까지의 연구 결과를 종합해 보면, 각성 상태에서는 뇌파 중 알파파의 상대적 비율이 50% 이상으로 유지되며, 빠른 안구운동이 출현하고, 근전도는 다른 수면 단계에서보다 더 높게 유지된다. 한편, 각성에서 수면 상태로 전이되면 특징적으로 알파파의 상대적 비율이 50% 미만으로 떨어지고, 세타파, 두정부 첨파(vertex sharp wave)(9)와 느린 안구 운동(SEM, slow eye movement), 근전도의 점진적 감소, 호흡 양상 변화, 심장 박동수 변화 등이 나타난다(2).
3%의 일치도는, 다른 수면 단계에 비해 특징적인 지표가 적고 여러 지표를 고려해야 하는 1단계 수면만을 대상으로 한 것으로, 의미 있게 높은 결과라 할 수 있다. 카파값 0.586(p<0.01)도 통계적으로 유의하며 79.3%의 일치도가 우연에 의해 나타난 것이 아니고, 본 연구에서 제안된 알고리즘이 높은 신뢰도를 가지고 있음을 보여준다.
이는 앞에서 언급한 것처럼, 알파파의 상대 파워만으로는 각성과 수면 상태를 감별하는 데 한계가 있다는 점을 보여준다. 한편 알파파의 상대 파워가 50% 이하임에도 세타파와 느린 안구운동 조건을 고려하여 각성으로 판정하였을 경우 82%의 일치도를 보이므로 다중적 지표를 활용하는 것이 알파파만을 고려하는 방법에 비해 효율적이며, 앞서 언급한 알파파에만 의존하는 접근이 가지는 한계를 극복하는데 도움이 될 것으로 판단된다.
5초부터 4초 사이에 있는 지 판별하였다. 해당 판독 단위의 안전도 진폭의 표준 편차(standard deviation)를 좌우 각각에 대하여 AL, AR이라 하였을 때, AL과 AR의 차를 AL과 AR중 가장 큰 값으로 나누었을 때, 그 값이 0.3 이하가 되는 경우에 느린 안구 운동의 진폭 조건을 만족한다고 보았다. 한편 좌우 안전도의 느린 안구 운동이 동시에 일어나는지 판단하기 위해, 좌우 안전도의 첨점의 index에 대하여 공변량 분석(covariate analysis)을 통해 상관 계수(correlation coefficient)를 구하였으며, 그 값이 -0.
후속연구
본 연구는 정상인의 수면 자료를 대상으로 한 것이다. 수면다원검사를 받는 대상자들의 대부분이 다양한 수면 질환을 가지고 있으므로, 수면 질환이 있는 환자들을 대상으로 본 알고리즘의 임상적 유용성을 검증할 수 있는 연구가 이어져야 한다.
본 연구는 1단계 수면 판정을 위해 뇌파와 안전도를 동시에 디지털 분석하였다는 점에서 기존의 연구와 차별화된다. 수면의학 전문가가 수면다원기록을 판정할 때 뇌파뿐 아니라 안전도, 근전도, 호흡 양상, 사지운동 양상 등을 종합적으로 고려한다는 점을 감안하면, 수면다원기록의 디지털 분석에서도 다양한 자료를 종합적으로 분석하면 판독 정확도를 높일 수 있을 것으로 판단한다. 본 연구에서 나온 79.
본 연구에서는 1단계 수면 후반부에 출현하는 두정부 첨파의 분석이 포함되지 않았다. 향후 연구에서 두정부 첨파의 분석이 추가되면 1단계 수면 후반부 판독률을 향상시킬 수 있을 것으로 보인다. 느린 안구운동이 1단계 수면의 전반부에서 각성과 수면 상태의 감별에 유용한 지표로 사용되었던 것처럼, 두정부 첨파의 분석은 1단계 수면과 2단계 수면의 감별에 도움을 줄 것으로 판단된다.
각성 상태에서 1단계 수면으로 진행하면서 호흡 양상의 변화, 심장 박동 수 변화가 나타난다(20-23). 향후 연구에서는 각성과 수면 상태를 감별하기 위해 본 연구에서 고려한 기준 변수 외에도 심장 박동수 변화에 대한 기준 변수를 추가할 필요가 있다고 판단한다.
질의응답
핵심어
질문
논문에서 추출한 답변
수면 관련 질환으로는 무엇이 있는가?
각성 상태에서 수면 상태로 전이되는 입면 시점과 1단계 수면을 파악하는 것은 수면 의학에서 매우 중요하다. 입면 잠복기는 기면병(narcolepsy), 주간 과다 졸림증(EDS, excessive daytime sleepiness), 불면증(insomnia) 등 다양한 수면 관련 질환의 진단에서 매우 중요한 지표이다(1). 하지만 1단계 수면은 지속 시간이 짧고 1단계 수면을 특징짓는 다양한 지표가 섞여서 나타나서(2), 1단계 수면의 시작 시점과 1단계 수면 자체를 정확히 판별하기가 어렵다.
대부분 수면 클리닉에서 입면 시점을 2단계 수면의 출현 시점으로 정하는 이유는 무엇인가?
입면 잠복기는 기면병(narcolepsy), 주간 과다 졸림증(EDS, excessive daytime sleepiness), 불면증(insomnia) 등 다양한 수면 관련 질환의 진단에서 매우 중요한 지표이다(1). 하지만 1단계 수면은 지속 시간이 짧고 1단계 수면을 특징짓는 다양한 지표가 섞여서 나타나서(2), 1단계 수면의 시작 시점과 1단계 수면 자체를 정확히 판별하기가 어렵다. 그래서 대부분의 수면 클리닉에서는 입면 시점을 2단계 수면의 출현 시점으로 정한다(3).
2단계 수면이 출현하면 어떤 파가 나타나는가?
그러나 기면병과 주간 과다 졸림증 등과 같이 갑자기 졸게 되면서 1단계 수면 상태로 진입해서, 다양한 장애가 나타나는 경우에는 진단적 측면에서 1단계 수면의 출현 시점을 정확히 파악하는 것이 중요하다(4,5). 1단계 수면은 수면 방추파(sleep spindles)와 케이-복합파(Kcomplex)가 특징인 2단계 수면이 출현하면 종료되므로, 1단계 수면과 각성을 구분하는 것이 입면 시점 결정과 1단계 수면의 범위를 결정하는 데 중요하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.