심박변이도(HRV) 알아보기

이 페이지에서는 Feelmo가 출발점으로 삼고 있는 HRV(심박변이도, Heart Rate Variability) 를 한 단계 더 자세하게, 출처와 함께 설명해 드립니다. 다소 전문적인 내용이지만, 밸런스의 의미를 깊이 이해하고 싶으신 분들을 위해 쓰였습니다. 다 읽고 나면 "왜 Feelmo는 심박 그 자체가 아니라 '박동의 흔들림'을 보는가", "내 숫자를 어떻게 읽으면 되는가"가 자연스럽게 이해되실 것입니다.

심박과 '박동 사이의 간격'

심전도에서는 한 박동마다 크고 뾰족한 파형(R파)이 나타납니다. 이 R파와 다음 R파 사이의 간격을 R-R 간격 이라고 부릅니다(부정맥 등을 제외한 정상 박동끼리의 간격은 N-N 간격이라고도 부릅니다).

"심박수(1분 동안의 박동 수)"가 평균적인 빠르기를 나타내는 데 비해, HRV는 그 간격이 얼마나 흔들리고 있는가를 나타냅니다. 같은 "60 bpm"이라도, 메트로놈처럼 규칙적으로 박자를 새기는 심장이 있는가 하면, 호흡에 맞춰 유연하게 늘어났다 줄어들었다 하는 심장도 있습니다. 일반적으로 후자일수록 자율신경이 상황에 맞춰 재빠르게 전환되는 ―― 즉 적응력이 높은 상태로 여겨집니다(Task Force, 1996; Shaffer & Ginsberg, 2017).

여기가 핵심입니다. 흔들림은 '이상(異常)'이 아니라, 오히려 잘 정돈되어 있다는 신호 일 수 있다는 것입니다. 심장은 일정한 리듬을 지키는 기계가 아니라, 들숨·날숨, 긴장·이완 때마다 세밀하게 템포를 바꾸는, 살아 있는 조율기입니다. Feelmo가 보고 있는 것은 바로 이 "유연함"입니다.

그림: 심전도의 R파와, 연속하는 R파 사이의 간격(R–R). 폭이 일정하지 않고 흔들리고 있는 것 ― 그것이 HRV입니다.

3가지 해석의 영역

HRV의 해석 기법은 크게 3가지 "영역"으로 정리됩니다(Task Force, 1996; Shaffer & Ginsberg, 2017). 같은 R-R 간격 데이터를 다른 각도에서 바라보기 위한 "렌즈"라고 생각해 주세요. Feelmo는 이 렌즈들에서 얻는 여러 단서를, 어느 하나에만 기대지 않고 조합하여 살펴봅니다.

1. 시간 영역(time-domain)

R-R 간격의 흩어짐(편차)을 시간축 위의 통계량으로 나타냅니다. 가장 직관적이고, 계산도 단순한 렌즈입니다.

그중에서도 종합 변동 지표 는 자율신경 전체의 작용(교감·부교감 양쪽을 포함한 "종합적인 여유")을 비추는, 가장 널리 사용되는 지표입니다. Feelmo도 이러한 여러 HRV 단서를 밸런스의 바탕으로 삼고 있습니다.

2. 주파수 영역(frequency-domain)

R-R 간격의 흔들림을 주파수 성분(빠른 흔들림·느린 흔들림)으로 분해합니다. 음악으로 치면, 화음을 구성하는 개별 음으로 나누어 듣는 듯한 렌즈입니다.

• 단일 주파수 비율 비 — 한때 "교감·부교감의 균형"으로 여겨졌으나, 이 해석은 지나치게 단순하다는 지적이 있습니다(Billman, 2013). Feelmo는 단일 주파수 비율를 "균형 그 자체"로 다루지 않습니다

이런 주파수 관점은 호흡과 회복을 이해하는 데 도움이 되지만, Feelmo는 특정 성분이나 단순한 비율을 그대로 점수로 쓰지 않습니다.

그림: 숨을 들이쉬면 심박이 조금 빨라지고, 내쉬면 조금 느려집니다(호흡성 동성부정맥, RSA). 이 호흡성의 흔들림은 부교감신경 활동을 이해하는 중요한 단서입니다(Berntson et al., 1993). 그렇기에 천천히 길게 내쉬는 호흡법은 그 자리에서 그 순간의 심박 변동에 부드럽게 영향을 줄 수 있는 것입니다.

3. 비선형(nonlinear)

심박 리듬은 단순한 주기가 아니라, 프랙탈적·복잡한 구조를 지니고 있습니다. 푸앵카레 플롯, 엔트로피, 비선형 지표 fluctuation analysis, 추세 제거 변동 분석) 등이 밸런스의 "질"이나 복잡성을 포착하는 기법으로 연구되고 있습니다(Shaffer & Ginsberg, 2017). 건강한 심장의 리듬은 "적당히 복잡"하며, 너무 단조로워도 너무 흐트러져도 적응력이 떨어진다 ―― 라는 관점입니다. 이 비선형의 관점 또한, Feelmo가 매일의 밸런스를 바라볼 때 배경에서 소중히 여기고 있는 사고방식입니다.

측정하는 방법 ― 심전도와 광전 센서

• ECG(심전도) — 전극으로 심장의 전기적 활동을 직접 기록하는 기준법
• PPG(광전용적맥파) — Apple Watch 등이 사용하는, LED의 빛으로 혈류의 맥파를 포착하는 방법. 여기서 얻어지는 박동 간격의 변동은 엄밀히는 PRV(맥박변이도, Pulse Rate Variability) 라고 불립니다

안정 시에는 PRV가 ECG 기반의 HRV와 잘 일치한다는 것이 계통적 문헌고찰(systematic review)에서 보고되었습니다(Schäfer & Vagedes, 2013). 한편, 체동(몸의 움직임)이나 운동 시에는 일치도가 떨어지기 때문에, 안정·수면 시의 데이터가 중시됩니다. Apple Watch는 팔이라는 움직이기 쉬운 곳에서 측정하는 만큼, 손목이 흔들리고 있으면 노이즈가 끼기 쉽습니다 ―― 이것이 Feelmo가 "앉아서 차분해졌을 때"나 "취침 중"의 데이터를 특히 소중히 여기는 이유이기도 합니다.

측정의 길이와 조건

• 표준적인 단시간 기록은 5분 으로 여겨져 왔습니다(Task Force, 1996)
• 더 짧은 "초단시간" 기록의 타당성은 지표마다 다르며, 단일 HRV 지표는 비교적 짧은 기록에서도 안정적이기 쉽다고 보고되어 있습니다(Munoz et al., 2015; Laborde et al., 2017)
• 어느 지표든 자세·호흡·시간대·카페인·체동 등의 영향을 받기 때문에, 측정 조건을 맞추는 것이 무엇보다 중요합니다(Laborde et al., 2017)

Feelmo는 어떻게 다루는가

Feelmo는 이러한 지표 가운데 얻는 여러 HRV 단서를 중심으로, Apple Watch에서 유래한 HRV로부터 마음의 밸런스(0–100) 를 구성하고 있습니다. 이러한 여러 단서를, 계측의 안정성이나 당신 자신의 베이스라인으로부터의 움직임과 함께 살펴, 그날의 당신의 밸런스를 부드럽게 한 장의 숫자로 번역합니다. 구체적인 구성이나 가중치 부여는 공개하지 않습니다.

읽어내는 방식의 원칙은 언제나 같습니다.

• 다른 사람과가 아니라, 당신 자신의 기준선(baseline)과의 차이로 읽습니다. "평균보다 높다/낮다"가 아니라, "평소의 당신보다 오늘은 어떻게 흔들리고 있는가"를 봅니다
• 외적 요인이 적은 조건 ―― 특히 수면 중이나, 앉아서 차분해졌을 때의 측정을 중시합니다. 손목은 체동에 약하기 때문에, 안정된 상황의 데이터일수록 신뢰할 수 있습니다
• 점수 그 자체보다, 그 곁에 두는 6명의 동료의 표정으로 받아들입니다. 숫자를 "점수"가 아니라, 오늘의 당신을 향한 부드러운 관찰의 언어로 번역합니다 ―― 단정하지 않습니다

여러 지표를 구체적으로 어떻게 통합하여 0–100의 밸런스로 변환하는지 ―― 그 정확한 구성이나 가중치 부여는 공통 기반인 Lumo Core 의 핵심이며, 기업 비밀로서 공개하지 않습니다. 여기서 중요한 것은, Feelmo가 "감정을 맞히는" 것이 아니라, 자율신경의 밸런스를 부드럽게 지켜본다는 원칙입니다. 배경의 과학은 밸런스의 과학 을, 점수를 읽는 법은 밸런스란 을 함께 봐 주세요.

참고문헌

1. Task Force of the European Society of Cardiology and the North American Society of Pacing and Electrophysiology. Heart rate variability: standards of measurement, physiological interpretation and clinical use. Circulation. 1996;93(5):1043–1065.
2. Shaffer F, Ginsberg JP. An Overview of Heart Rate Variability Metrics and Norms. Frontiers in Public Health. 2017;5:258.
3. Laborde S, Mosley E, Thayer JF. Heart Rate Variability and Cardiac Vagal Tone in Psychophysiological Research – Recommendations for Experiment Planning, Data Analysis, and Data Reporting. Frontiers in Psychology. 2017;8:213.
4. Billman GE. The 단일 주파수 비율 ratio does not accurately measure cardiac sympatho-vagal balance. Frontiers in Physiology. 2013;4:26.
5. Schäfer A, Vagedes J. How accurate is pulse rate variability as an estimate of heart rate variability? A review on studies comparing photoplethysmographic technology with an electrocardiogram. International Journal of Cardiology. 2013;166(1):15–29.
6. Munoz ML, van Roon A, Riese H, et al. Validity of (Ultra-)Short Recordings for Heart Rate Variability Measurements. PLoS One. 2015;10(9):e0138921.
7. Berntson GG, Cacioppo JT, Quigley KS. Respiratory sinus arrhythmia: autonomic origins, physiological mechanisms, and psychophysiological implications. Psychophysiology. 1993;30(2):183–196.