University of California, Santa Cruz의 엔지니어들은 Wi-Fi와 Raspberry Pi에만 의존하여 웨어러블 장치 없이도 실시간으로 심박수를 측정할 수 있는 새로운 방법을 개발했습니다. 보고서에 따르면 Pulse-Fi라고 불리는 이 시스템은 신호를 보내고 받기 위해 일반 WiFi만 필요하며 더 이상 팔찌나 스마트 시계와 같은 기존 의료 기기에 의존하지 않습니다. 건강 데이터 모니터링을 대폭 단순화하고 건강 관리를 더욱 대중화하고 편리하게 만들 것으로 기대됩니다.
이 프로젝트는 컴퓨터 과학 및 공학 교수인 Katia Obraczka가 주도했으며, 연구 결과는 지능형 시스템 및 사물 인터넷을 위한 분산 컴퓨팅에 관한 2025 IEEE 국제 컨퍼런스에서 발표되었습니다. 연구팀에는 박사과정 학생인 Nayan Bhatia와 객원 고등학교 연구원인 Pranay Kocheta가 포함되어 있습니다. 그들은 기계 학습 알고리즘과 결합된 일상적인 WiFi 네트워크가 높은 정확도로 건강 신호를 추적할 수 있음을 입증했습니다.
Pulse-Fi는 WiFi 무선 주파수 신호가 인체와 환경 물체에 침투할 때 발생하는 미세한 변화를 활용하여 작동합니다. 이 시스템은 기계 학습 알고리즘과 결합된 저가형 WiFi 칩 및 수신기를 사용하여 복잡한 환경 간섭으로 인한 심장 박동으로 인한 신호 변동을 정확하게 식별합니다. Bhatia는 다음과 같이 지적했습니다. "신호는 매우 민감하므로 다양한 환경 소음을 제거하려면 필터를 정확하게 선택해야 합니다."
연구팀은 118명의 피험자를 모집해 서기, 앉기, 눕기, 걷기 등 17가지 자세를 테스트했다. 모니터링 시간은 5초에 불과했고, 평균 심박수 오차는 분당 0.5회를 넘지 않았다. 모니터링 시간이 길수록 정확도가 높아집니다. 이 시스템에는 저렴한 ESP32 칩(약 5달러 가격)과 Raspberry Pi 마더보드(약 30달러)만 필요합니다. 둘 다 뛰어난 결과를 얻었으며 Raspberry Pi의 성능이 더 좋습니다. 연구원들은 또한 상용 등급의 무선 라우터를 사용하면 효과가 더 좋아질 것이라고 믿습니다. 실제 응용 분야에서 Pulse-Fi는 최대 3m 거리에서 안정적으로 작동하며 예비 실험에서는 더 먼 거리에서도 가능성이 있음을 보여줍니다.
Kocheta는 과거 WiFi 건강 모니터링 시스템이 거리와 신체 위치 변화에 따라 불안정하게 작동했지만 Pulse-Fi는 머신러닝 모델을 사용하여 이 문제를 완전히 해결했다고 지적했습니다. "우리는 기계 학습 덕분에 거리 변화가 본질적으로 성과에 영향을 미치지 않는다는 것을 발견했습니다."라고 그는 말했습니다.
알고리즘을 훈련하기 위해 팀은 먼저 ESP32 장비와 의료용 산소 농도계를 사용하여 캠퍼스 도서관에서 데이터를 동시에 수집하여 신경망 학습을 위한 심박수의 "진정한 가치"를 제공했습니다. 또한 이 연구에는 브라질 팀이 Raspberry Pi를 기반으로 수집한 세계 최대 WiFi 하트비트 신호 데이터 세트가 통합되어 Pulse-Fi의 폭과 정확성을 모두 제공합니다.
현재 결과는 심박수 측정에 초점을 맞추고 있지만 팀은 이미 호흡수 및 수면 무호흡증과 같은 다른 건강 지표에 이를 적용하려고 노력하고 있습니다. 아직 발표되지 않은 초기 실험에서는 WiFi 신호가 호흡 및 수면 이상을 감지할 수 있다는 사실이 밝혀졌습니다. 이러한 연구가 궁극적으로 업계에서 인정된다면 Pulse-Fi는 저비용, 비침습적, 편리한 가정 및 임상 건강 모니터링 도구가 되어 의료 자원이 제한된 지역에 좋은 소식을 가져올 것으로 기대됩니다.