손목이 알려주는 신호: 스마트워치로 헌팅턴병 증상을 알아낼 수 있을까?

우리는 매일 아무 생각 없이 수백 가지 물건에 손을 뻗어. 그런데 손목에 착용하는 센서를 활용한 새 연구에 따르면, 헌팅턴병(HD) 환자에게는 그런 일상적인 움직임에 병이 어떻게 진행되고 있는지에 대한 숨은 정보가 담겨 있을 수 있어. 연구진은 HD 환자들이 집에서 1주일 동안 핏빗 같은 기기를 착용하도록 한 뒤, 인공지능(AI)으로 팔 움직임을 분석했어. 이 센서는 운동 기능의 변화를 감지하고, 임상 점수를 예측하며, 정식 진단 전에도 HD의 단서를 포착할 수 있었어. 이제 이 기술을 더 발전시켜 향후 임상시험에 적용할 수 있도록, 더 크고 더 긴 기간의 연구가 참가자를 모집 중이야.

손목은 뭔가를 알고 있어

우리는 무도병(chorea) 같은 불수의 운동, 보행 변화, 말하기 변화처럼 눈에 보이는 HD 운동 증상에 대해 많이 생각해. 하지만 매일 아무 생각 없이 하는 수천 가지의 작고 목적 있는 움직임은 어떨까? 커피 컵에 손을 뻗기. 문을 밀어 열기. 휴대폰 집어 들기.

알고 보니 이런 일상적인 팔 움직임에는 HD에 대한 정보가 많이 담겨 있을 수 있어. 새 연구는 피트니스 트래커와 비슷한 손목 착용 센서가, 예약된 진료 방문에서도 놓칠 수 있는 미묘한 움직임 변화를 포착할 수 있다고 제안해.

Communications Medicine에 발표된 이 연구는 BioSensics LLC와 로체스터대학교 연구진이 수행했어. 웨어러블 기술을 이용해 HD의 상지 기능에 초점을 맞춘 초기 연구 중 하나야.

연구는 무엇을 했을까?

이 소규모 연구에는 HD 환자 16명, 전구기(prodromal) HD(유전자 양성이지만 아직 임상 진단 전) 7명, 그리고 HD 유전자가 없는 사람 16명이 포함됐어.

참가자들은 병원에서 한 번 방문해, 통합 헌팅턴병 평가척도(Unified Huntington’s Disease Rating Scale, UHDRS)라는 표준 HD 임상 평가척도의 일부로 움직임 검사를 받았어. 그다음 주로 쓰는 손에 작은 손목 센서를 7일 동안 착용했지. 특별히 할 일은 없었어. 그냥 평소대로 생활하면 됐어.

센서는 ‘가속도계 데이터’를 기록했는데, 쉽게 말해 팔이 공간에서 어떻게 움직이는지에 대한 물리적 정보를 담아. 스마트워치를 1주일 내내 착용하면 데이터가 엄청나게 쌓이겠지! 연구진은 이를 분석하기 위해 딥러닝 알고리즘이라는 고급 AI 기법을 적용했어. AI는 사람이 스스로는 뽑아내기 어려운 패턴을 찾아내는 데 매우 효율적일 수 있어.

이 경우 AI는 ‘목표 지향적 움직임’의 순간을 자동으로 찾아내도록 프로그래밍됐어. 즉, 수동적으로 팔이 흔들리는 것과 달리, 의도적으로 뻗고 잡는 동작 말이야. 그런 다음 연구팀은 이 움직임을 분석해 연구 그룹(증상이 있는 HD, 진단 전, HD 음성) 사이에서 어떻게 다른지 이해할 수 있었어.

센서는 무엇을 찾아냈을까?

요약하면: HD는 움직임에 영향을 주고, 센서는 그걸 알아챌 수 있었어.

HD가 있는 사람들은 HD가 없는 사람들에 비해 팔 움직임 속도가 더 느리고, 길고 지속적인 뻗기 동작이 더 적은 것으로 보였어. 또한 방향 전환이 더 많았는데, 이는 무도병을 반영하는 작은 수정 동작과 ‘툭툭’ 끊기는 움직임이 더 많다는 뜻이야. 이런 패턴은 실제 생활에서의 활동을 1주일 내내 살펴봐도 일관되게 나타났어.

이 알고리즘은 센서 데이터만으로 UHDRS 점수도 예측할 수 있었고, 성능도 꽤 괜찮았어. 예측은 참가자들의 실제 운동 점수와 약 절반 정도에서 일치했고, 개인 간 측정 가능한 변동의 약 56%를 설명했으며, 상지 움직임에서는 약 60%였어. 남은 40%는 손목 센서가 볼 수 없는 HD의 측면—예를 들면 인지 변화, 말하기, 보행—을 반영하는 것으로 보이는데, 이런 요소들은 UHDRS에는 포함되지만 팔 센서만으로는 잡기 어렵지.

센서 데이터를 분석하면 누가 HD인지 알 수 있을까?

이 움직임 특징으로 학습한 머신러닝 모델은 전체적으로 약 67%의 정확도로 사람들을 HD, 전구기 HD, 또는 진단 없음으로 올바르게 분류했어. 특히 HD 환자만 놓고 보면 72%의 정확도로 맞혔어.

전구기 HD 그룹에서 흥미로운 점이 나오긴 하지만, 기대치를 조금 조절할 필요가 있어. 그 그룹은 규모가 작았고(7명뿐), 관찰된 차이 중 상당수는 통계적으로 유의미한 수준에 도달하지 못했어. 즉, 경향은 유망해 보이지만 아직 확실한 결론을 내리긴 어려워.

전구기 그룹의 측정값은 종종 HD와 건강한 대조군 사이에 위치했는데, 이는 예상대로야. 하지만 참가자가 7명뿐이라 이를 확인하기엔 숫자가 부족해. 더 큰 연구가 필요하고, 연구진도 그걸 알고 있어.

이게 임상시험에 왜 중요할까?

여기서부터가 흥미로운 부분이야. HD 임상시험에서 가장 큰 과제 중 하나는 치료가 실제로 효과가 있는지 측정하는 거야. 오늘날의 ‘골드 스탠더드’는 몇 달에 한 번 예약된 방문에서 임상의가 환자와 마주 앉아 UHDRS를 시행하는 방식이지.

그 말은 연구진이 임상 환경에서만, 그것도 ‘한 순간의 스냅샷’만 볼 수 있다는 뜻이고, 집에서의 실제 기능을 반영하지 못할 수도 있어. 손목 센서를 1주일 착용하면 임상의가 절대 볼 수 없는 수천 번의 순간이 기록돼. 이런 디지털 지표를 엄격하게 검증할 수 있다면, 질병 진행을 추적하고—무엇보다—약이 도움이 되는지 알려주는 강력한 도구가 될 수 있어.

그런 미래는 충분히 만들어갈 가치가 있어.

다음 단계: MEND-HD가 지금 참가자를 모집 중이야

바로 MEND-HD라는 임상 연구야. 지금 활발히 참가자를 모집 중이고, 완전 원격으로 진행돼. 이동할 필요도 없어.

이 연구의 책임 연구자인 로체스터대학교의 제이미 애덤스(Jamie Adams) 박사는 우리가 다룬 논문의 공저자이기도 해. 그녀는 이 연구를 이끌어 왔고, 이제 이를 검증하기 위한 더 크고 더 엄격한 연구를 진행하고 있어. 좋은 과학은 종종 이렇게 진행돼: 누군가 도구를 만들고, 소규모로 시험한 뒤, 규모를 키워 입증하는 거지.

MEND-HD는 초기~중기 HD 환자에서 임상시험의 평가변수로 사용할 수 있도록, 보행과 무도병을 디지털로 측정하는 웨어러블 기기를 검증하는 데 특히 초점을 맞추고 있어. 가상 방문, 설문, 움직임 검사, 그리고 집에서 착용하는 웨어러블 센서를 사용해. 너는 집에서 참여하면 돼.

다음에 커피 컵에 손을 뻗거나, 문을 밀어 열거나, 휴대폰을 집어 들 때, 아마 별생각 없을 거야. 하지만 그런 작고 평범한 움직임이 언젠가는 약이 효과가 있는지 알려줄지도 몰라. 평범한 어느 날, 집에서, 손목의 센서가 조용히 포착하면서 말이야.

아직은 거기까지 오지 못했어. 하지만 MEND-HD 같은 연구가 우리가 그곳에 도달하는 방법이야. 자격 요건(25~65세, HD-ISS 2~3단계 HD 진단, 유전자 검사 완료)에 해당하고, 미래의 HD 임상시험이 의존하게 될 측정 도구를 만드는 데 함께하고 싶다면 mend-hd.com을 방문해.

요약

• 연구진은 HD 환자 16명, 전구기 HD 7명, HD 유전자가 없는 사람 16명을 모집해 집에서 7일 동안 손목 센서를 착용하게 하고, 일상적인 팔 움직임을 추적했어
• HD 환자들은 더 느리고 더 끊기는 움직임을 보였고, 길고 지속적인 뻗기 동작은 더 적은 것으로 나타났으며, 이런 차이는 센서 데이터만으로도 자동으로 감지할 수 있었어
• 머신러닝 모델은 HD 환자를 72%의 정확도로 식별했어
• 전구기 HD 그룹에서는 경향이 보였지만 표본이 작았고(7명뿐), 보정 후에는 차이가 통계적으로 유의미하지 않아 더 큰 연구가 필요해
• 웨어러블 센서는 드물게 얻는 진료실 ‘스냅샷’ 대신, 연속적이고 실제 생활 기반의 데이터를 제공함으로써 HD 임상시험의 판도를 바꿀 수 있어
• MEND-HD는 이를 정확히 수행하기 위한 완전 원격 연구로, 지금 참가자를 모집 중이야. 자세히 알아보고 등록하려면 mend-hd.com을 방문해