목적: 수면무호흡증은 심각한 건강 문제를 수반하는 흔한 수면 장애이다. 본 연구는 PSG-Audio 데이터를 사용하여 수면무호흡증 아형을 비침습적으로 검출하기 위한 Transformer 기반 오디오 분할 모델인 ApneaWhisper를 소개한다. 환자 및 방법: 우리는 284명의 환자에서 수집된 PSG-Audio 데이터셋을 활용하였다. ApneaWhisper는 사전학습된 Whisper 인코더를 활용하여 20초 길이의 오디오 클립에서 10 ms 해상도의 프레임 수준 특징을 추출한다. 토큰 기반 분할과 분류 헤드를 갖춘 경량 Transformer 디코더가 이 특징들을 집계하여 프레임 수준 및 클립 수준 예측을 모두 수행한다. 데이터 불균형을 완화하기 위해, 무호흡 아형 간 클래스 불균형을 고려한 가중 교차 엔트로피 손실을 사용하여 모델을 미세조정하였다. 결과: ApneaWhisper는 수면무호흡증 검출에서 강한 성능을 보였으며, 클립 수준 F1-score는 0.82, 프레임 수준 F1-score는 0.70로 MFCC+DNN, VGGish+bi-LSTM, VAD 기반 모델을 포함한 기존 기준 모델을 능가하였다. 또한 OSA, MSA, CSA 및 저호흡을 구분하는 데에도 유망한 능력을 보였으나, 성공 정도는 아형에 따라 다르게 나타났다. 결론: 모델의 세밀한 시간 해상도는 무호흡 사건의 정밀한 위치 추정, 지속시간 산정, 아형 분류를 가능하게 한다. ApneaWhisper는 OSA에 대해 견고한 성능을 보이는 반면, 중심성(CSA) 및 혼합성(MSA) 수면무호흡을 구분하는 데에는 어려움이 남아 있는데, 이는 미묘하거나 모호한 음향 패턴에 기인한다. 프레임 수준 분할은 또한 정확한 무호흡-저호흡지수(AHI) 추정을 가능하게 하여, 일부 임상 및 가정 모니터링 시나리오에서 전체 PSG 의존도를 낮출 수 있을 것으로 기대된다. 향후 개선은 다중모달 통합(예: 산소포화도)과 소음에 강인한 학습 기법을 포함할 수 있다.

수면의 건축(architecture)에 대한 정확한 평가는 수면장애를 진단하고 관리하는 데 핵심적이며, 이는 전 세계적 건강과 웰빙에 중대한 영향을 미친다. 다원수면검사(polysomnography, PSG)는 임상적 표준(gold standard)으로 남아 있으나, 내재된 침습성, 높은 비용, 그리고 운영상의 복잡성으로 인해 일상적 또는 가정 기반 모니터링에서의 활용이 제한된다. 최근의 발전에 따르면 호흡수 및 주기 규칙성(cycle regularity)과 같은 호흡 역학(respiratory dynamics)의 미세한 변동은 서로 다른 수면 단계와 의미 있는 상관관계를 보이며, 유용한 비침습성 바이오마커로 기능할 수 있다. 본 연구에서는 단일 수면 에피소드 동안 수집된 호흡 음성(respiratory audio)을 기반으로 수면 단계 분포를 추정하는 프레임워크를 제안하며, 구체적으로 Wake(각성), Light(N1+N2), Deep(N3), REM에 대한 분포를 산출한다. 제안된 프레임워크는 세 가지 주요 구성요소로 이루어진다: (1) 미세 조정된 Transformer 기반 아키텍처를 사용하여 호흡 음성에서 서로 다른 호흡 주기를 식별하는 분할(segmentation) 모듈, (2) 분할된 호흡 패턴으로부터 통계적, 스펙트럼적, 분포적(distributional) 기술자(descriptors)로 이루어진 일련의 특징을 도출하는 특징 추출(feature extraction) 모듈, (3) 각 수면 단계에 소요된 시간 비율(proportion)을 예측하는 단계별 회귀(regression) 모델이다. 공공 PSG-Audio 데이터셋(287명; 1인당 평균 5.3시간)에서, 피험자 단위 교차검증을 사용한 실험을 통해 본 접근법의 효과가 입증되었다. 분할 모델은 호흡수 및 주기 지속시간(cycle duration)을 예측하는 데 있어 RMSE와 MAE를 낮추었으며, 고전적인 신호처리 기반(baselines)과 비교해 성능이 우수하였다. 수면 단계 비율 예측의 경우, 제안 방법은 모든 단계에서 유리한 RMSE와 MAE를 보였고, TabPFN 모델이 일관되게 최상의 결과를 제공하였다. 해석 가능한 호흡 특징을 정량화하고 의도적으로 블랙박스 end-to-end 모델링을 회피함으로써, 본 시스템은 수동적 오디오를 이용한 투명하고 비접촉적(contact-free) 수면 모니터링을 지원할 수 있을 것으로 기대된다.