미주신경성 실신 탐지: 프라이버시 보호 ML

미주신경성 실신(VVS)은 흔한 일시적 의식 소실의 원인이지만 진단에 어려움이 있습니다. 표준 진단법인 기립경 검사(HUTT)는 민감도가 제한적이며, 인공지능(AI) 기반 도구는 프라이버시 및 해석 가능성 문제로 도입이 지연되고 있습니다. 본 연구는 HUTT에서 얻은 생체 신호를 활용하여 VVS 탐지를 위한 프라이버시 보호 개념 증명 프레임워크를 탐색합니다. 총 137명의 참가자(VVS 양성 54명, 음성 83명) 데이터를 분석하여 심전도(ECG) 및 혈압 신호에서 54개 특징을 추출했습니다. 차등 프라이버시 확률적 경사 하강법(DP-SGD)을 사용하여 로지스틱 회귀 모델을 훈련했으며, 보안 추론을 위해 동형암호(FHE)의 CKKS(Cheon–Kim–Kim–Song) 방식을 적용했습니다. 모델 해석 가능성은 LIME 및 SHAP 분석으로 평가했습니다. DP-SGD 모델은 ε ≈ 16.5, δ = 10⁻⁵의 프라이버시 예산 하에서 0.833 ± 0.035의 정확도와 0.888 ± 0.019의 ROC-AUC를 달성했습니다. 그러나 FHE 기반 추론은 다항식 근사 제약으로 인해 성능이 크게 저하되었습니다(ROC-AUC ≈ 0.53). 해석 가능성 분석 결과, 기립기 혈역학적 특징(SBP_T, DBP_T) 및 자율신경계 지표(LFHF_RRI_T, LFHF_SBP_T)가 주요 예측 인자로 일관되게 확인되었습니다. 본 연구는 프라이버시를 보호하면서 VVS를 탐지할 수 있는 AI 모델의 가능성을 제시합니다. 특히, 차등 프라이버시 기법이 효과적인 성능을 유지하면서 데이터 보안을 강화할 수 있음을 보여주었습니다. 향후 FHE 성능 개선을 통해 실제 의료 환경에서의 적용 가능성을 높일 수 있을 것입니다.