Cardiovascular disease is one of the most major causes of death in the modern world. Early detection and prescription of it is critical to prevent sudden cardiovascular death. Photoplethysmogram (PPG), which can be easily obtained by a simple device, is related to patients' vascular condition. Augmentation Index (AIx), a measure of arterial stiffness, is obtained from the radial aortic pressure in each case of VitalDB. We trained a machine learning model to predict AIx from PPG, which showed RMSE 0.13. To make use of 670GB of signal, we adjusted the definition of AIx with a physical understanding of it and developed a fully automated preprocessing pipeline that finds stable intervals of the signals measured in the clinical environment. The work will enable us to develop an application that estimates the user's vascular stiffness from their wearable devices.
심혈관 질환은 현대인의 가장 중요한 사망원인 중 하나이며 조기 발견과 관리가 중요하다. 광용적맥파는 간단한 장비로 측정할 수 있으며 여러 연구를 통해 심혈관계의 상태와 연관되어 있음이 밝혀졌다. 본 연구에서는 광용적맥파를 통해 혈관 경직도를 측정하는 기법을 개발하였다. 동맥 압력파를 통해서 혈관 경직도를 간접적으로 추정하는 방법이 알려져 있는데, 동맥 압력파와 광용적맥파가 같이 대량으로 공개되어 있음을 이용, 동맥 압력파를 통해 추정한 혈관 경직도를 광용적맥파를 통해 예측하였다. 이 과정에서 동맥 압력파를 통해 혈관 경직도를 추정하는 방법을 대용량 데이터에 적용하기 알맞게 수정하였으며, 잡음 섞인 신호로부터 안정된 신호만을 자동으로 추출해 학습하는 방법 또한 개발하였다. 그 결과 광용적맥파를 통해 혈관 경직도를 추정할 수 있음을 입증하였다. 본 연구결과를 이용해 웨어러블 디바이스 등에서 손쉽게 혈관 경직도를 추정하는 애플리케이션을 개발할 수 있을 것이다.
