밸런스의 과학

Feelmo의 배경에 있는 과학을, 출처와 함께 정리했습니다. 점수를 구성하는 알고리즘의 세부 사항은 비공개이지만, 그 토대가 되는 생각은 공개된 동료 심사(peer-review) 논문 위에 서 있습니다.

이 페이지는 "Feelmo가 무엇을 측정하고, 왜 그렇게 측정하는가"를 가능한 한 정직하게 전해 드리기 위한 공간입니다. 다소 길어지지만, 신경 쓰이는 제목만 골라 읽으셔도 괜찮습니다.

심박은 메트로놈이 아닙니다

건강한 심장은 시계처럼 일정한 리듬으로 뛰지 않습니다. 심박과 심박 사이의 간격(R-R 간격)은 호흡, 자세, 스트레스, 회복 상태에 따라 끊임없이 미세하게 흔들립니다. 이 흔들림이 바로 HRV(심박 변이도) 입니다.

예를 들어 숨을 들이쉴 때는 심박이 약간 빨라지고, 내쉴 때는 느려집니다. 이 호흡에 동기화된 리드미컬한 흔들림은, 휴식을 관장하는 부교감 신경(미주 신경)이 제대로 작동하고 있다는 신호 중 하나입니다. 반대로 긴장이나 스트레스가 계속되면, 이 흔들림은 작고 평탄해지기 쉽습니다.

HRV의 측정 방법과 생리학적 해석은, 1996년에 유럽심장학회와 북미 심박조율 전기생리학회의 합동 태스크포스가 표준화한 이후(Task Force, 1996), 자율 신경 기능을 몸의 바깥에서 들여다보기 위한 창으로서 수천 건의 연구에서 사용되어 왔습니다(Shaffer & Ginsberg, 2017).

Feelmo가 보고 있는 것

HRV에는 여러 지표가 있지만, Feelmo의 마음 밸런스는 주로 여러 HRV 단서를 중심으로 구성되어 있습니다. 각 단서는 들여다보는 창이 조금씩 다릅니다.

이 여러 단서는 그날 밤, 그 세션의 심박 간격의 흔들림을 여러 각도에서 함께 포착합니다. 이러한 HRV 단서는 자율 신경의 작용을 비추는 것으로 알려져 있으며(Task Force, 1996; Shaffer & Ginsberg, 2017; Laborde et al., 2017), 어느 하나에만 기대지 않고 조합하여, 당신 자신의 평소 상태에 비추어 조건에 관계없이 비교하기 쉽게 살펴봅니다.

이러한 여러 단서를 어느 하나에만 의존하지 않고 함께 살펴, 지금의 밸런스 상태를 당신 자신의 평소 범위에 비추어 읽어 내려 하고 있습니다.

"나 자신의 기준선"과 비교하는 이유

HRV의 절댓값은 나이, 성별, 체질에 따라 크게 다릅니다. 9세대에 걸친 대규모 데이터에서는, HRV가 나이가 들면서 저하된다는 것이 밝혀졌습니다(Umetani et al., 1998). 즉, 같은 수치라도 "그 사람에게 높은지 낮은지"는 사람마다 완전히 다릅니다.

그래서 Feelmo는 다른 사람과의 비교가 아니라, 당신 자신의 기준선(baseline)으로부터의 변화를 봅니다. 옆 사람보다 높은지 낮은지가 아니라, "평소의 나"와 비교해 어떤지 — 그것이 의미 있는 물음입니다.

홈의 밸런스 게이지에, 당신의 기준선으로부터의 편차를 나타내는 "오라"가 함께 표시되는 것은 이 때문입니다. 점수의 숫자 그 자체보다, "평소의 나로부터 지금 어느 쪽으로 기울어 있는가"를 부드럽게 보여 주는 것을 소중히 여기고 있습니다.

숫자를 표정으로 번역합니다

밸런스는 0–100의 숫자이지만, Feelmo는 그 숫자를 전면에 내세우지 않습니다. 대신 **6명의 친구(겐키·오다야카·후츠·후안·팡쿠·츠카레)**의 표정으로 번역해, 점수 옆에 살며시 놓습니다.

이것은 숫자의 오르내림을 "좋다·나쁘다"로 단정하지 않기 위한 장치입니다. 흔들리는 날에는 "후안(불안)"이나 "츠카레(피곤)"가, 정돈된 날에는 "오다야카(평온)"나 "겐키(활기)"가, 당신의 지금을 부드러운 관찰의 언어로 표현해 줍니다. 어디까지나 관찰이며, 평가도 진단도 아닙니다.

언제 측정하는가 — 안정과 수면을 소중히 하는 이유

손목의 광학 센서는 편리한 반면, 몸의 움직임에 약하다는 약점이 있습니다. 걷거나 팔을 흔드는 도중의 값은 노이즈가 커서 신뢰하기 어렵습니다. 그래서 Feelmo는 흔들림이 안정적으로 읽히는 조건 — 앉은 채로 하는 on-demand 측정(필요할 때 그 자리에서 측정)이나 취침 중의 데이터를 중시합니다.

수면 중을 잘 보는 데에는 몇 가지 이유가 있습니다.

• 수면 중은 운동, 식사, 자세, 카페인 등 HRV를 흔드는 외적 요인이 가장 적어, 매일 비슷한 조건에서 비교할 수 있는 시간대입니다
• 깊은 비렘 수면에서는 부교감 신경이 우세해진다는 것이 밝혀져 있어(Trinder et al., 2001), 회복의 양상이 나타나기 쉬운 시간이기도 합니다
• 수면과 HRV의 관계는 체계적 문헌고찰에서도 정리되어 있습니다(Stein & Pu, 2012)

스트레스와 밸런스

심리적 스트레스와 HRV 저하의 관련성은 메타 분석에서 반복적으로 보고되어 왔습니다(Kim et al., 2018). 또한 뇌영상 연구의 메타 분석으로부터는, 전전두엽(생각하는 뇌)과 심장을 잇는 미주 신경 경로가 HRV를 스트레스와 건강의 신호로 만든다는 모델이 제안되었습니다(Thayer et al., 2012). 이 뇌와 심장의 연결에 대해서는 뇌와 심장의 연결에서 더 자세히 다룹니다.

홈의 스트레스 레벨이나 상태 표시는 이러한 연구의 배경 위에 서 있습니다. 다만, 이것들은 집단 수준의 "관련성"입니다.

천천히 하는 호흡이 효과적인 이유

Feelmo의 호흡 세션(호흡 탭)이 천천히 하는 호흡(대략 분당 6회 전후)으로 유도하는 것은, 이 속도의 호흡이 압수용체 반사(혈압 조절 반사)와 공명하여 HRV를 일시적으로 크게 높인다는 것이 알려져 있기 때문입니다(Lehrer & Gevirtz, 2014).

숨을 들이쉴 때와 내쉴 때의 심박 변화가, 마침 혈압을 조절하는 반사의 리듬과 딱 겹치는 것이 분당 6회 전후의 천천히 하는 호흡입니다. 이 "공명"이 일어나면 흔들림이 크게 증폭됩니다. 천천히 하는 호흡의 심리생리학적 효과는 체계적 문헌고찰에서도 부교감 신경 활동의 항진이나 이완감의 증가와 관련되는 것으로 보고되어 있습니다(Zaccaro et al., 2018; Russo et al., 2017).

"진정시키는" 세션도 "끌어올리는" 세션도, 이러한 호흡의 생리학을 토대로 한 부드러운 계기 만들기입니다.

빛과 운동에 대하여

건강 탭의 습관 로그가 햇빛과 활동량을 다루는 데에도 배경이 있습니다.

• 빛은 사람의 일주기 리듬(생체 시계), 수면, 기분에 영향을 주는 가장 강한 환경 요인 중 하나입니다(Blume et al., 2019). 아침 햇볕 쬐기 기록은 정돈된 생체 시계 만들기의 소소한 단서가 됩니다.
• 규칙적인 운동이 HRV의 상승과 관련된다는 것은 메타 분석에서 보고되어 있습니다(Sandercock et al., 2005). 걸음 수의 축적도 길게 보면 밸런스를 떠받치는 토대가 됩니다.

이것들은 "이렇게 해야 한다"는 할당량이 아니라, 당신의 밸런스와 일상의 연결을 알아차리기 위한 부드러운 단서입니다.

Lumo Core에 대해 말할 수 있는 것

마음 밸런스는 위와 같은 확립된 HRV 지표(주로 여러 HRV 단서)를, 공통 기반인 Lumo Core의 알고리즘으로 통합하여 0–100의 하나의 점수로 번역한 것입니다.

• 통합의 구체적인 구성·가중치는 영업 비밀이므로 공개하지 않습니다
• "그날 밤, 그 세션에서 얼마나 확실하게 측정할 수 있었는가(측정의 질)"도 고려한 후에 점수를 산출합니다
• 해석의 타당성은 게이오기주쿠대학과의 공동 연구 안에서 지속적으로 검증하고 있습니다

Feelmo의 원칙은 **"감정을 맞히는 것이 아니라, 밸런스를 지켜본다"**입니다. 감정 그 자체를 판정하는 것이 아니라, 자율 신경의 정돈 상태를 당신 자신의 잣대로 살며시 지켜보는 것을 목표로 하고 있습니다.

손목으로 측정한다는 것

Apple Watch는 광학식 센서로 맥파를 읽어 들여 R-R 간격을 추정합니다. 안정 조건에서는 Apple Watch에서 유래한 HRV가 심전도 기반의 측정과 양호하게 일치한다는 것이 검증되어 있습니다(Hernando et al., 2018).

Feelmo는 Apple Watch / HealthKit에서 HRV, 심박, 수면 등을 단말 내에서 읽어 들입니다. 격렬한 체동 시에는 정확도가 떨어지므로, 안정·수면 중의 데이터를 중시하는 것은 이 점에서도 이치에 맞습니다.

당신 스스로 확인합니다 — N-of-1의 발상

집단의 평균으로 "효과가 있다"고 해도, 그것이 당신에게 해당된다고는 할 수 없습니다. 그래서 Feelmo는 호흡 등의 습관이 당신 자신의 밸런스를 실제로 움직이는지 여부를 당신 자신의 기록에서 개별적으로 견주어 보는 효과 있는 습관 분석(Feelmo Premium, 마음 리포트의 '이번 주의 알아차림')에, 이 n-of-1(개인 내에서 견주어 보는) 발상을 도입하고 있습니다.

"모두에게 효과가 있다"가 아니라 "당신에게 효과가 있다"를 당신 자신의 데이터로 확인하는 — 한 사람 한 사람을 주인공으로 한 관점입니다.

Feelmo를 떠받치는 학문 분야

Feelmo는 하나의 이론이 아니라, 여러 분야를 통합하여 설계되었습니다. 여기서는 "어떤 학문을 토대로 하고 있는가"를 조망합니다. 또한, 구체적인 알고리즘·계산 기법·매개변수는 Feelmo 고유의 기술이며, 본 페이지에서는 공개하지 않습니다(분야 이름과 생각만을 소개합니다).

• 자율 신경 과학·심박 변이도 — 심박의 흔들림으로부터 휴식과 긴장의 균형 경향을 읽어 냅니다(자세한 내용은 본 페이지 전반을 참조해 주세요).
• 감정 과학·심리생리학 — 상태를 여러 축으로 포착하는 심리학의 틀을 바탕으로, 지금의 양상을 몇 가지 부드러운 카테고리(6명의 표정)로 표현합니다.
• 신호 처리·시계열 해석 — 수면이나 안정 시의 심박 데이터로부터 노이즈와 의미 있는 변화를 세심하게 구분합니다. "그때 얼마나 확실하게 측정할 수 있었는가"도 고려합니다.
• 통계학·기계 학습 — 점수는 한 점이 아니라 "폭"으로 포착해야 한다는 입장에 서서, "당신 기준"과의 차이를 통계적으로 다룹니다.
• 의사 결정의 과학 — "그 사람·그 상황에 맞는 가다듬는 방법"을 당신의 데이터로부터 조금씩 학습합니다.
• 인과 추론 — "단순한 상관"과 "정말로 관계가 있을 법한 것"을 신중하게 구분하는 생각을 도입하고 있습니다.
• 개별화의 방법론(N-of-1의 발상) — 집단의 평균이 아니라, 한 사람 한 사람을 주인공으로 하여 "당신에게 맞는 것"을 봐 갑니다.
• 시간 생물학 — 같은 수치라도 시각이나 요일에 따라 의미가 달라집니다. 일내·주내 리듬을 고려합니다.
• 행동 과학 — 지속하는 것을 재촉하지 않습니다. 할당량이나 경쟁이 아니라, 작은 축적을 살며시 언어로 표현합니다.
• 규제·윤리 — 표현은 진단·단정을 피하고, 경향과 셀프케어의 틀 안에 유지하고 있습니다. 학습·해석은 단말 내에서 완결되며, 데이터의 소유권은 당신에게 있습니다.

참고 문헌

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. Trinder J, Kleiman J, Carrington M, et al. Autonomic activity during human sleep as a function of time and sleep stage. Journal of Sleep Research. 2001;10(4):253–264.
5. Stein PK, Pu Y. Heart rate variability, sleep and sleep disorders. Sleep Medicine Reviews. 2012;16(1):47–66.
6. Kim HG, Cheon EJ, Bai DS, Lee YH, Koo BH. Stress and Heart Rate Variability: A Meta-Analysis and Review of the Literature. Psychiatry Investigation. 2018;15(3):235–245.
7. Thayer JF, Åhs F, Fredrikson M, Sollers JJ, Wager TD. A meta-analysis of heart rate variability and neuroimaging studies: implications for heart rate variability as a marker of stress and health. Neuroscience & Biobehavioral Reviews. 2012;36(2):747–756.
8. Lehrer PM, Gevirtz R. Heart rate variability biofeedback: how and why does it work? Frontiers in Psychology. 2014;5:756.
9. Zaccaro A, Piarulli A, Laurino M, et al. How Breath-Control Can Change Your Life: A Systematic Review on Psycho-Physiological Correlates of Slow Breathing. Frontiers in Human Neuroscience. 2018;12:353.
10. Russo MA, Santarelli DM, O'Rourke D. The physiological effects of slow breathing in the healthy human. Breathe (Sheffield). 2017;13(4):298–309.
11. Umetani K, Singer DH, McCraty R, Atkinson M. Twenty-four hour time domain heart rate variability and heart rate: relations to age and gender over nine decades. Journal of the American College of Cardiology. 1998;31(3):593–601.
12. Hernando D, Roca S, Sancho J, Alesanco Á, Bailón R. Validation of the Apple Watch for Heart Rate Variability Measurements during Relax and Mental Stress in Healthy Subjects. Sensors (Basel). 2018;18(8):2619.
13. Blume C, Garbazza C, Spitschan M. Effects of light on human circadian rhythms, sleep and mood. Somnologie. 2019;23(3):147–156.
14. Sandercock GR, Bromley PD, Brodie DA. Effects of exercise on heart rate variability: inferences from meta-analysis. Medicine & Science in Sports & Exercise. 2005;37(3):433–439.