코로나19 감염의 확산을 최소화하는 효과적인 방법 중 하나는 증상이 발현되기 전에 가능한 한 조기에 이를 진단하는 것이다. 또한 스마트워치를 사용하여 감염을 간단히 진단할 수 있다면, 확산 예방의 효과는 크게 증가할 것이다. 본 연구에서는 스마트워치에서 얻은 심박수(HR) 데이터를 사용하여 증상 발현 이전에 코로나19를 진단하기 위한 딥러닝 모델을 개발하고자 하였다. 진단용 딥러닝 모델에서는 연속적인 심박수 데이터에서의 관계를 추적함으로써 증상 전 기간의 HR 변이 패턴을 학습하는 트랜스포머(transformer) 모델을 제안하였다. 코로나19 미접종 환자에 대한 교차검증(CV) 결과에서, 본 연구에서 제안한 딥러닝 모델은 높은 정확도 지표를 보였으며, 민감도 84.38%, 특이도 85.25%, 정확도 84.85%, 균형 정확도 84.81%, 수신자 조작 특성 곡선(AUROC) 아래 면적 0.8778을 나타냈다. 더 나아가 건강한 피험자, 코로나19 환자, 그리고 백신 접종 환자를 포함하는 다중의 외부 데이터셋으로 모델을 검증하였다. 외부 건강한 피험자 집단에서 본 모델은 또한 높은 특이도 77.80%를 달성하였다. 외부 코로나19 미접종 환자 집단에서도 본 모델은 CV에서와 유사한 정확도 지표를 제공하였는데, 균형 정확도 87.23%와 AUROC 0.8897이었다. 코로나19 백신 접종 환자에서는 균형 정확도와 AUROC가 각각 66.67%와 0.8072로 감소하였다. 본 연구의 첫 번째 발견은, 본 연구에서 제안한 딥러닝 모델이 스마트워치로부터 얻은 심박수로 증상 발현 이전에 코로나19 환자를 단순하면서도 정확하게 진단할 수 있다는 점이다. 두 번째 발견은, 미접종 환자에서 학습된 모델이 백신 접종 환자에 비해 덜 정확한 진단 성능을 제공할 수 있다는 점이다. 마지막으로, 특정 기간 동안 학습된 모델은 바이러스가 계속 변이함에 따라 진단 성능이 저하될 수 있다는 점이다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.