[Review] Blood pressure measurement using only a smartphone

0. Abstract

Hypertension is an immense challenge in public health. As one of the most prevalent medical conditions worldwide, it is a major cause of premature death. At present, the detection, diagnosis and monitoring of hypertension are subject to several limitations. In this review, we conducted a literature search on blood pressure measurement using only a smartphone, which has the potential to overcome current limitations and thus pave the way for long-term ambulatory blood pressure monitoring on a large scale. Among the 333 articles identified, we included 25 relevant articles over the past decade (November 2011–November 2021) and analyzed the described approaches to the types of underlying data recorded with smartphone sensors, the signal processing techniques applied to construct the desired signals, the features extracted from the constructed signals, and the algorithms used to estimate blood pressure. In addition, we analyzed the validation of the proposed methods against reference blood pressure measurements. Wefurther examined and compared the effectiveness of the proposed approaches. Among the 25 articles, 23 propose an approach that requires direct contact between the sensor and the subject and two articles propose a contactless approach based on facial videos. The sample sizes in the identified articles range from three to 3000 subjects, where 8 articles used sample sizes of 85 or more subjects. Furthermore, 10 articles include hypertensive subjects in their participant pools. The methodologies applied for the evaluation of blood pressure measurement accuracy vary considerably among the analyzed articles. There is no consistency regarding the methods for blood pressure data collection and the reference blood pressure measurement and validation. Moreover, no established protocol is currently available for the validation of blood pressure measuring technologies using only a smartphone. We conclude the review with a discussion of the results and with recommendations for future research on the topic.

• 해당 연구는 10년간 발표된 스마트폰만을 이용한 혈압 측정 기술을 쳬계적으로 검토하여 각 연구 방법을 비교 및 검증함.
• 333편 중 기준을 충족한 25편을 분석한 결과, 23편은 손가락·가슴 등 신체 접촉을 이용했고 2편은 얼굴 영상을 활용
• 대부분의 연구는 스마트폰 카메라를 이용한  광용적맥파(PPG)기반이며, 평균 절대 오차는 약 5~10mmHg 수준으로 보고되어 임상적 활용의 가능성을 보엿따.
• 연구 간에 실험 설계, 표본 규모, 교정 방식이 달라 결과 비교가 어렵고, 통일된 검증 프로토콜이 부재하다는 점이 큰 한계임
• 스마트폰을 활용한 혈압 모니터링은 저비용 대중 접근성이 높지만, 신뢰성 확보를 위해 대규모 임상 검증과 표준화가 필요

 

1. Short Background

• 고혈압은 세계 약 13억 명의 성인에게 영향을 미치는 만성질환으로 증상이 없어 조기 발견이 어렵고 심혈관 질환 신부전 등이 주요 사망원인이 됨
• 기존 혈압 측정 방식인 커프 기반 장비는 간혈적이고 착용이 불편하며, 백의고혈압 가면고혈압 인해 실제 혈압과 차이가 발생
• 스마트폰은 전 세계적으로 보급률이 높고, 고성능 카메라 센서 프로세서를 갖추고 있어 혈류 신호를 감지할 수 있는 충분한 기술적 기반을 가진다.
• 연구자들은 스마트폰을 화용해 손가락 얼굴 가슴 등 다양한 부위에서 생체 신호를 수집하고 혈압을 예측하려는 시도를 지속해왔으며 이 연구는 그 성과를 종합적으로 정리 한다.

 

2. Methods

• 연구진은 PRISMA 가이드라인을 따라 체계적 문헌 고찰을 수행했으며, 검색 데이터베이스로 IEEE Xplore, PubMed, Embase, Google Scholar 네 곳을 사용
• 검색 기간은 2011년 11월부터 2021년 11월까지로 최근 10년간의 스마트폰 기반 혈압 측정 연구를 모두 포함
• 총 333편의 논문이 검색되었으며, 중복 문헌(151편)을 제거한 뒤 180편을 1차 평가 대상으로 남김.
• 이후 스마트폰만 사용하지 않는 연구(추가센서 활용)와 리뷰 논문 비영어 논문 접근 불가 논문을 단계적으로 제외하여 최종 25편을 분석 대상으로 확정
• 기준은 다음과 같음
  • 스마트폰 단독으로 혈압을 측정
  • 혈압 예측 결과를 수치로 제시했을 것
  • 실험 설계나 검증 방식이 명확히 기술되어 있을 것
• 각 논문에서 다응 항목들을 추출 및 비교 함
  • 연구 대상자 수, 연령, 성별, 피부톤 등 인구학적 특성
  • 사용된 신호 유형 (PPG, TOI, PCG, SCG 등)
  • 신호 전처리 방식 및 특징(feature) 추출 방법
  • 혈압 예측 모델(회귀, SVM, CNN 등)의 종류
  • 교정(calibration) 절차 및 기준(reference) 혈압 측정 장비
  • 성능 지표 (MAE, SD, 상관계수 r, AAMI 기준 통과 여부 등)

• 연구진은 각 논문의 주요 결과를 표로 정리하고 정확도와 일관성을 비교 평가함
• 결과적으로 본 연구의 방법은 “다중 데이터베이스 검색 → 단계적 제외 기준 적용 → 스마트폰 단독 혈압 연구 선별 → 주요 기술 요소·알고리즘·성능 비교”라는 절차로 이루어짐

 

3. Results

(1) 선정 연구 개요

• 총 25편의 논문이 최종 분석 대상으로 채택되었으며, 이 중 23편은 손가락 가슴 등의 신체 접촉을 필요로 하는 contact-base 방식 2편은 스마트폰 카메라로 얼 굴 영상을 쵤영해 혈류 변화를 분석하는 contactless 방식
• 연구 대상자 수는 3명에서 3000명까지 광범위했으며, 약 40%가 50명 미만의 소규모 실험이었다.
• 10편 이상에서 고혈압 또는 심혈관계 질환 환자를 포함시켜 임상적 타당성을 검증

(2) 데이터 흭득 유형

• PPG: 카메라와 LED를 이용해 혈액량 변화를 광학적으로 측정 손가락 접촉식, 비접촉식이 있다.
• TOI: 얼굴 영상을 이용해 얼굴 표면의 혈색소 농도 변화를 영상 데이터 기반으로 추출하는 방법으로 비접촉식이다.
• PCG: 스마트폰 마이크로폰을 이용해 심장 잡읍을 녹음하는 방법, 가슴 부위에 스마트폰을 대고 S1 S2 심음 신호를 흭득
• SCG: 스마트폰 가속도계를 이용해 심장 박동 시 발생하는 체동을 측정하는 방법, 가슴 부위에 스마트폰을 부착해 판막 개폐 시진동을 기록함.

(3) 신호 전처리 및 정제

• 대부분의 연구에서 원시 신호는 0.5 ~ 4Hz 대역통과 필터를 적용하여 호흡 잡음과 조명 변동을 제거
• 일부 이상치 제거와 베이스라인 보정을 병행했고, 신호 세그먼트를 주기별로 정렬하여 노이즈 비율을 낮춤
• 얼굴 영상 기반 연구에서는 RGB 채널을 분리 비교했으며, Green채널이 헤모글로빈 흡수율이 높아 가장 안정적인 파형을 보임

(4) 특징 추출 및 알고리즘 모델링

• 각 연구는 파형에서 피크·기울기·파고·면적·주기 등을 정량화해 혈압 예측에 활용되었으며 다양한 양한 머신러닝 기법이 적용
• 여러 논문이 Pulse Transit Time (PTT) 혹은 Pulse Wave Velocity (PWV) 를 활용했는데, 이는 심장 신호(PCG·SCG)와 말단 PPG 신호 사이의 시간 지연이 혈압과 음의 상관관계를 갖는다는 이론에 기반

(5) 교정 전략

• 대부분의 연구는 초기 한 번의 표준 혈압계 측정 값을 이용해 스마트폰 예측값을 보정하는 방식을 사용
• 개인별 교정을 수학적 함수 혹은 딥러닝 으로 자동화했지만, 개인차 (혈관 탄성·나이 등) 로 인한 오차 보정에는 여전히 제한됨

(6) 검증 프로토콜 및 평가 지표

• 모든 연구가 참조 혈압(Reference BP)을 동시에 측정해 비교했으며, 검증 기기로는 수은혈압계·옴론 디지털혈압계 등이 사용
• 평가지표로는 Mean Absolute Error (MAE), Standard Deviation (SD), Pearson Correlation Coefficient (r), Bland–Altman plot 등이 활용
• 일부 연구는 AAMI 또는 ISO 기준(±5 mmHg ±8 mmHg)을 통과했지만 대부분은 부분 충족 또는 미달

(7) 정량 결과

• 수축기혈압(SBP)의 MAE는 약 5 ~ 10 mmHg, 이완기혈압(DBP)은 약 4 ~ 8 mmHg 수준
• SCG·PCG 신호 조합형 모델이 PTT 단독 모델보다 약간 높은 정확도를 보임

(8) 결과 해석 및 비교

• 접촉식 방법은 정확도가 높지만 손가락 압력·자세 등 외부 변수에 취약했고, 비접촉식 방법은 편의성이 높으나 조명·피부톤 등 환경 요인에 큰 영향을 받음
• 연구 간 데이터 수집 환경과 보정 방식이 상이해 직접 비교는 어렵지만, 스마트폰만으로도 혈압을 유의하게 예측할 수 있음을 모든 연구가 공통적으로 보여줌
• 여러 논문은 스마트폰 전용 혈압 검증 프로토콜 부재를 명시적 한계로 언급하며, 국제적 표준 수립의 필요성을 결과 강조

 

4. Conclusion 

• 이번 문헌 고찰을 통해, 스마트폰만으로 혈압을 측정하려는 다양한 연구들이 이미 존재하며 기술적으로 실현 가능함이 입증
• 스마트폰 카메라, 마이크, 가속도계 내장 센서를 활용하여 PPG, PCG, SCG, TOI 신호를 얻고 혈압을 추정하는 방식들이 제안
• 연구 간 실험 설계, 데이터 수집 환경, 교정방법, 검증 절차가 일관되지 않아, 결과 간의 직접적인 비교와 재현성이 어려움
• 스마트폰 혈압 측정 기술은 비침습적·저비용·확장성 높은 혁신적 대안이지만, 의료기기 수준의 정확도와 재현성을 확보하기 위한 표준화·임상적 근거 구축이 필수적
• 연구자들은 스마트폰이 보조적 가정용 혈압 모니터링 도구로 발전할 잠재력을 인정하면서도, 의료적 진단 목적의 활용에는 아직 시기상조라고 명확히 밝힘

 

5. Discussion

• 본 논문은 스마트폰 혈압 측정 기술이 모바일 헬스케어의 새로운 축으로 발전할 수 있는 가능성을 보여줌
• 기존 커프(cuff) 기반 측정보다 훨씬 저비용·비침습적이며 장기 모니터링이 가능함
• 조명, 피부색, 손가락 압력, 움직임, 온도 등의 환경 요인에 매우 민감하여 신호 품질이 불안정
• 연령, 혈관 탄성, 체형 차이를 반영하는 Adaptive AI 모델 개발이 필요.
• 카메라·가속도계·마이크 데이터를 통합 분석해 PTT, PWV등 다양한 생리적 지표를 동시에 활용하는 복합 모델이 제시