이제 단 하룻밤의 수면만으로 증상이 나타나기 최대 6년 전에 울혈성 심부전, 뇌졸중 등 130가지가 넘는 질병을 분류할 수 있게 되었습니다 [Farhar]. 이는 2026년 1월 『네이처 메디슨(Nature Medicine)』에 발표된 스탠포드 대학의 파운데이션 AI 모델, 『SleepFM』의 핵심 연구 결과입니다. 약 65,000명의 참가자로부터 수집한 약 585,000시간 분량의 수면다원검사 기록으로 훈련된 이 모델은 현재까지 개발된 가장 철저한 수면 기반 질병 예측 시스템입니다 [Farhar]. 전 세계 의료 시스템이 증가하는 만성 질환 비용과 말기 진단 문제로 고심하는 가운데, 『SleepFM』은 조용하지만 의미 있는 변화를 예고합니다. 바로 수면 자체가 최전선의 진단 도구가 된다는 것입니다. 언젠가가 아닌, 바로 지금 말입니다.
수면, 우리 몸이 보내는 생물학적 신호
우리 대부분은 수면을 쉬는 시간, 회복의 시간, 하루와 하루 사이의 공백으로 생각합니다.
Photo by 하지만 생물학적으로 볼 때 수면은 결코 조용한 활동이 아닙니다. 표준적인 수면다원검사 중에는 센서가 뇌파, 심장 박동, 호흡, 혈중 산소, 다리 근육 활동 등 수백 가지 신호를 동시에 포착합니다 [Farhar]. 각 채널은 우리 몸속에서 일어나는 일에 대한 고유한 이야기를 들려줍니다.
『SleepFM』 연구가 주목받는 이유는 이 데이터를 새로운 관점에서 해석하기 때문입니다. 붕괴된 수면 구조는 오래전부터 심혈관 질환 및 신경 퇴행성 질환과 관련이 있는 것으로 알려져 왔으며, 때로는 임상적 진단이 내려지기 몇 년 전부터 나타나기도 했습니다. 문제는 신호 자체가 아니라, 그 신호를 읽어내는 것이었습니다. 기존의 수면 연구는 무호흡증, 불면증, 하지불안증후군과 같은 수면 장애에만 좁게 초점을 맞췄습니다. 그 결과 동일한 데이터에 숨어 있는 더 광범위한 질병의 신호들은 대부분 간과되었습니다.
매년 받는 혈액 검사가 단 하나의 스냅샷을 포착하는 것이라면, 수면 기록은 몇 시간 동안 지속되는 다중 시스템의 생물학적 데이터를 제공합니다. 이는 대부분의 사람들이 생각하는 것보다 훨씬 더 풍부한 정보를 담고 있는 초상화와 같습니다.
SleepFM이 실제로 발견한 것
스탠포드의 모델은 단순히 수면의 질을 분석하는 데 그치지 않습니다.
Photo by 하룻밤의 기록만으로 전신 질환의 위험을 예측합니다 [Farhar]. 그 성능 수치는 놀랍습니다. 사망률 예측은 C-index 0.84, 치매 예측은 0.85, 심근경색 예측은 0.81에 도달했습니다 [Techlifesci]. 심방세동 분류는 0.81 AUC를 기록하여, 이 질환만을 위해 개발된 모델의 0.82 AUC에 거의 근접했습니다 [Farhar]. 외상 후 스트레스 장애(PTSD) 분류는 사전 훈련이 없었을 때의 0.64 AUC에 비해 0.75 AUC에 도달했습니다 [Farhar].
이러한 결과들은 단 하룻밤의 수면 데이터만을 입력으로 요구하는 모델에서 나온 것입니다. 내부적으로 『SleepFM』은 5분 단위의 수면 구간으로 훈련된 합성곱 신경망(CNN)과 트랜스포머를 사용하여 신호 임베딩을 생성하고, 별도의 LSTM 네트워크가 최대 9시간의 수면 데이터와 연령, 성별 정보를 함께 처리합니다 [Farhar]. 이 아키텍처는 뇌, 심장, 호흡기 신호 전반의 패턴을 동시에 학습합니다. 인간 임상의가 이러한 연관성을 실시간으로 추적하는 것은 현실적으로 불가능합니다.
이 모델의 가장 큰 특징은 범용성입니다. 이전의 수면 데이터용 AI 도구들은 보통 한 가지 질환을 탐지하도록 만들어졌습니다. 반면 『SleepFM』은 동일한 기록에서 130가지가 넘는 질환을 분류하여 [Farhar], 특정 검사보다는 광범위한 건강 검진처럼 기능합니다.
예방 의학의 패러다임을 바꾸다
많은 사람들이 예방 의학을 멀게 느낍니다. 조언은 추상적이고 검사는 드물게 이루어지기 때문입니다.
Photo by 『SleepFM』은 이와 다른 접근법을 제시합니다. 바로 매일 밤 우리 몸이 생성하는 데이터로부터 구체적이고 개인화된 위험 프로필을 만드는 것입니다.
“미세한 패턴을 인식하는 AI의 능력은 의학을 비롯한 여러 분야에서 놀라운 잠재력을 가지고 있습니다. 이 기술을 활용하면 심각한 질병에 대한 조기 경보를 제공하여 사람들이 예방 조치를 취할 수 있도록 도울 수 있습니다.” [Farhar]
행동 연구에 따르면, 모호한 경고보다는 구체적이고 단기적인 위험 정보가 생활 습관 변화를 유도하는 데 더 효과적입니다. 누군가에게 “더 잘 먹고 더 많이 운동하라”고 권하는 것과, 그 사람의 수면 데이터가 0.85의 신뢰 수준으로 높은 치매 위험을 보인다고 말해주는 것은 전혀 다른 차원의 대화입니다. 바로 그 구체성이 중요합니다.
이는 의료 시스템에도 시사하는 바가 큽니다. 수면 데이터 기반 위험 점수를 통해 고위험군 환자를 더 일찍 식별할 수 있다면, 자원을 위기 관리보다는 개입에 집중할 수 있습니다. 심혈관 및 대사 질환에 대한 조기 개입은 더 나은 치료 결과와 비용 절감으로 이어집니다. 이는 예방 의료가 작동하는 방식을 부드럽지만 의미 있게 재조정하는 것입니다.
한계와 다음 단계
『SleepFM』은 개념 증명 단계이며, 완성된 임상 제품이 아닙니다. 아직 존재하는 한계점들에 대해 솔직하게 이야기할 필요가 있습니다.
Photo by 가장 시급한 장벽은 접근성입니다. 미국에서 표준 수면다원검사는 약 1,000달러에서 3,500달러의 비용이 들어, 보험이 없거나 보장이 부족한 많은 사람들이 이용하기 어렵습니다. 이 모델은 현재 소비자용 손목 트래커의 데이터가 아닌, 임상 등급의 기록을 필요로 합니다.
훈련 데이터의 다양성 또한 또 다른 우려 사항입니다. AI 건강 모델은 역사적으로 훈련 데이터에 적게 포함된 인구 집단에서 성능이 저하되는 경향이 있었습니다. 스탠포드 연구팀도 이 점을 인지하고 있으며, 임상에 적용하기 전에 다양한 종단적 코호트에 걸쳐 광범위한 검증이 중요할 것입니다.
그럼에도 불구하고, 연구자들은 『SleepFM』의 아키텍처를 소비자 등급의 바이오센서 입력으로 확장하는 데 관심을 표명했습니다. 만약 향후 버전이 정확도가 다소 떨어지더라도 웨어러블 기기 데이터로 작동할 수 있다면, 인구 단위의 대규모 검진에 미치는 영향은 상당할 것입니다. 무료 또는 저비용 수면 앱이 당장 3,000달러짜리 검사를 대체하지는 않겠지만, 그 방향성은 분명합니다.
현재로서는 이 연구가 우리에게 조용한 재고를 권합니다. 수면을 우선시하는 것은 단지 개운함을 느끼기 위함이 아니라, 우리 몸이 수행하는 가장 정보가 풍부한 활동 중 하나일 수 있다는 점을 말입니다.
스탠포드의 『SleepFM』은 단 하룻밤의 수면이 증상이 나타나기 몇 년 전부터 심각한 질병에 대한 예측력을 가지고 있음을 보여줍니다. 이 연구는 수면을 생활 습관 지표에서 진단의 새로운 영역으로 재정의하며, 접근성과 형평성 문제가 해결된다면 예방 의학의 판도를 바꿀 수 있습니다. 우리 몸은 매일 밤 자신의 이야기를 송출해왔습니다. 그리고 과학은 마침내 그 소리에 귀 기울이는 법을 배우고 있습니다.
