“내 몸을 AI가 먼저 안다?”…수면·혈당 분석하는 개인맞춤 건강관리 뜬다

스마트워치와 스마트링, 연속혈당측정기(CGM) 등에서 쌓이는 건강 데이터를 인공지능(AI)이 분석하는 ‘AI 개인맞춤 건강관리’​가 빠르게 발전하고 있다.

과거 웨어러블 기기가 걸음 수나 수면시간을 보여주는 데 집중했다면 최근에는 심박수, 활동량, 수면 패턴, 혈당 등 여러 데이터를 AI가 동시에 분석해 ‘평소의 나와 비교해 무엇이 달라졌는지’ 파악하는 방향으로 기술이 진화하고 있다.

실제로 Nature Communications에 발표된 웨어러블 데이터와 대규모 언어모델(LLM) 연구에서는 개인의 신체활동과 수면 데이터를 AI 에이전트가 분석해 개인화된 건강 인사이트로 전환하는 가능성이 제시됐다.

다만 AI 건강관리와 의료진의 진단은 명확히 구분할 필요가 있다. 세계보건기구(WHO) 역시 AI가 의료와 건강관리의 효율성을 높일 가능성을 인정하면서도 안전성, 윤리, 형평성, 개인정보 보호와 적절한 거버넌스가 함께 확보돼야 한다고 강조하고 있다.

AI 개인맞춤 건강관리란 무엇인가

AI 개인맞춤 건강관리는 개인에게서 지속적으로 수집되는 건강 데이터를 AI가 분석해 건강 상태와 변화 패턴을 파악하고, 건강관리에 참고할 수 있는 정보를 제공하는 기술 또는 서비스를 말한다.

활용되는 데이터는 제품이나 서비스에 따라 다르지만 수면시간과 수면 패턴, 심박수와 심박변이도, 걸음 수와 활동량, 운동 기록, 혈당, 체성분 등이 대표적이다.

기존 건강검진이 특정 날짜의 건강 상태를 확인하는 ‘사진’에 가깝다면 웨어러블은 일상생활에서 건강 변화를 지속적으로 기록한다는 점에서 차이가 있다.

AI는 이렇게 시간 순서대로 축적된 데이터를 분석해 단일 수치보다는 개인의 평소 상태와 변화 추세를 살펴보는 데 활용될 수 있다.

최근 연구 역시 이 같은 방향을 보여준다. 개인 웨어러블 데이터를 분석하는 ‘Personal Health Insights Agent’ 연구는 LLM 기반 에이전트가 수면과 활동량처럼 시간에 따라 쌓이는 데이터를 해석하고 사용자의 질문에 개인화된 정보를 제공할 가능성을 검토했다.

스마트워치 데이터, AI 만나면 무엇이 달라질까

스마트워치나 스마트링이 기록하는 건강정보는 각각만 보면 단순한 숫자다.

하지만 하루가 아니라 몇 주, 몇 달 동안 데이터가 쌓이면 개인의 생활 패턴과 변화 흐름을 보여주는 정보가 된다.

예를 들어 평소보다 수면시간이 줄어든 시기에 안정시 심박수와 활동량까지 달라졌다면 AI는 여러 데이터를 함께 분석해 변화가 동시에 나타났는지 살펴볼 수 있다.

매일 7시간을 잤다고 해서 모든 사람에게 같은 의미를 갖는 것도 아니다. 평소 8시간 이상 자던 사람이 최근 6~7시간만 자는 경우와 평소 6시간 정도 자던 사람이 7시간을 자는 경우는 해석이 달라질 수 있다.

따라서 AI 개인맞춤 건강관리에서 중요한 개념은 단순히 다른 사람과 비교해 정상과 비정상을 나누는 것이 아니라 자신의 장기간 데이터에서 어떤 변화가 나타나는지 확인하는 것이다.

웨어러블과 AI를 결합해 건강 데이터를 지속적으로 분석하려는 연구가 늘어나는 것도 이런 이유다. 장기간 축적된 생체 데이터와 생활 데이터를 동시에 다룰 수 있다는 점이 기존의 일회성 측정 방식과 가장 큰 차이다.

AI 수면 분석, ‘몇 시간 잤나’ 넘어 패턴을 읽는다

개인맞춤 건강관리에서 소비자가 가장 쉽게 접할 수 있는 분야 가운데 하나는 AI 수면 분석이다.

스마트워치와 스마트링 등은 제품에 따라 총 수면시간, 취침·기상 시간, 심박수 등 다양한 정보를 기록한다.

여기에 AI 분석이 결합되면 하루의 수면 점수를 보여주는 데서 그치지 않고 여러 날에 걸친 수면 패턴과 신체 데이터를 함께 분석하는 방향으로 발전할 수 있다.

예를 들어 최근 취침시간이 계속 늦어졌는지, 수면시간이 줄어든 기간에 활동량이나 다른 생체 데이터에도 변화가 나타났는지 등을 함께 살펴보는 방식이다.

Nature Medicine에 발표된 개인 건강 대규모 언어모델(PH-LLM) 연구에서는 웨어러블에서 수집한 수면과 피트니스 데이터를 LLM이 분석해 개인화된 건강 정보를 제공하는 가능성을 평가했다.

연구진은 웨어러블에서 얻은 객관적인 센서 데이터를 언어모델의 추론 능력과 결합할 경우 수면 습관과 운동 패턴에 대한 보다 개인화된 정보를 제공할 가능성이 있다고 봤다.

다만 소비자용 웨어러블에서 제공하는 ‘수면 점수’를 의료기관의 전문적인 수면검사와 동일하게 받아들여서는 안 된다.

웨어러블마다 사용하는 센서와 알고리즘이 다르고 착용 상태나 측정 환경에도 영향을 받을 수 있기 때문이다.

코골이나 수면 중 호흡 이상, 심한 주간 졸림, 지속적인 불면 등의 증상이 있다면 웨어러블 분석 결과만으로 건강 상태를 판단하기보다 의료진의 평가를 받는 것이 필요하다.

혈당도 AI가 분석한다…개인별 반응 예측 연구 활발

AI 개인맞춤 건강관리에서 또 하나 주목받는 분야가 혈당 데이터 분석이다.

연속혈당측정기(CGM)는 하루 동안 변하는 혈당 데이터를 지속적으로 기록한다.

여기에 AI를 적용하면 특정 순간의 혈당 수치만 확인하는 데서 벗어나 식사와 활동, 수면 등의 생활 데이터와 혈당 변화 사이의 관계를 분석할 수 있다.

npj Digital Medicine에 발표된 AI·웨어러블 기반 당뇨병 관리 체계적 문헌고찰에서는 AI와 웨어러블을 결합한 60개 연구를 분석했다. 연구에서는 연속혈당 데이터뿐 아니라 신체활동과 수면 등 다양한 정보가 개인화된 관리와 실시간 모니터링에 활용될 가능성이 다뤄졌다.

이러한 기술이 발전하면 앞으로 혈당 관리는 단순히 ‘지금 수치가 높은가 낮은가’를 확인하는 방식에서 ‘나는 어떤 음식이나 생활 조건에서 혈당이 어떻게 움직이는가’를 이해하는 방향​으로 확대될 가능성이 있다.

다만 건강한 사람의 CGM 사용이나 AI 기반 분석 결과가 곧바로 질환의 진단이나 치료 효과를 의미하는 것은 아니다.

스마트워치로 인슐린 저항성까지 예측할까

AI 건강관리 연구는 수면과 혈당을 넘어 대사 건강으로도 범위를 넓히고 있다.

2026년 Nature에 발표된 웨어러블·혈액 바이오마커 기반 인슐린 저항성 예측 연구에서는 1,165명의 데이터를 이용해 소비자용 웨어러블에서 얻은 시계열 정보와 혈액검사, 인구통계학적 정보를 결합했다.

연구에서 여러 종류의 데이터를 함께 분석한 멀티모달 모델은 인슐린 저항성 예측에서 AUROC 0.80을 기록했고 민감도는 76%, 특이도는 84%였다.

연구진은 또 4,000만 시간의 센서 데이터로 사전 학습한 웨어러블 파운데이션 모델을 활용했다.

이는 AI 건강관리 기술이 하나의 데이터를 분석하는 방식에서 벗어나 웨어러블 정보와 검사 결과 등 서로 다른 데이터를 동시에 해석하는 ‘멀티모달 건강관리’​로 발전하고 있음을 보여주는 사례다.

다만 해당 연구 역시 스마트워치만으로 인슐린 저항성을 진단할 수 있다는 의미는 아니다.

연구 단계에서 확인된 예측 성능과 실제 의료현장에서 사용하는 진단 기준은 구분해야 한다.

AI 건강관리, 결국 ‘진단’보다 ‘개인화’가 핵심

AI 개인맞춤 건강관리의 핵심을 ‘AI가 의사를 대신한다’고 보는 것은 적절하지 않다.

현재 가장 현실적인 활용 가능성은 사람마다 다른 건강 데이터를 장기간 분석해 본인에게 나타나는 변화와 패턴을 이해하도록 돕는 것에 가깝다.

같은 7시간 수면도 사람마다 의미가 다르고 같은 음식을 먹어도 혈당 반응이 다를 수 있다.

웨어러블과 CGM, 체성분, 생활습관 데이터 등이 쌓일수록 AI는 이러한 개인차를 분석하는 도구로 활용될 가능성이 커진다.

특히 스마트워치에서 수집한 정보와 검사 결과 등 서로 다른 데이터를 하나의 분석 모델에서 처리하는 기술이 발전하면 ‘평균적인 사람’을 기준으로 제공하던 건강정보에서 ‘나에게 나타난 변화’를 중심으로 한 건강관리​로 이동할 가능성이 있다.

AI가 이상을 알려주면 질병 진단으로 봐도 될까

그렇지 않다.

건강 변화 탐지와 질병 진단은 별개의 문제다.

AI는 많은 데이터를 빠르게 분석하면서 사람이 쉽게 확인하기 어려운 패턴을 찾는 데 활용될 수 있지만 결과는 입력 데이터의 품질과 알고리즘, 학습 데이터 등에 영향을 받는다.

웨어러블의 센서가 정확하지 않은 값을 측정하거나 특정 집단에 대한 학습 데이터가 충분하지 않다면 분석 결과에도 오류와 편향이 나타날 가능성이 있다.

미국 식품의약국(FDA)은 AI가 적용된 의료기기 목록을 별도로 공개하고 있다. 이 목록은 미국에서 판매가 허가된 AI 기반 의료기기를 확인할 수 있도록 마련된 자료다.

FDA는 AI 의료기기를 단순히 ‘AI가 들어간 제품’으로 보지 않고 실제 의료 목적과 안전성, 성능, 제품의 생애주기까지 고려해 관리하는 방향을 취하고 있다. AI 의료기기 소프트웨어의 생애주기 관리에 관한 FDA 지침에서도 안전성과 효과를 평가하기 위한 개발·허가 단계의 고려사항이 제시돼 있다.

즉 앱이나 웨어러블이 ‘주의’, ‘회복 부족’, ‘평소와 다른 상태’ 등을 표시했다고 해서 특정 질환이 있다고 스스로 판단해서는 안 된다.

반대로 기기에서 특별한 이상이 나타나지 않았다는 이유만으로 질병이 없다고 단정하는 것도 적절하지 않다.

국내도 생성형 AI 의료기기 허가 기준 마련

국내에서도 AI를 활용한 의료기기에 대한 제도 정비가 진행되고 있다.

식품의약품안전처는 2025년 1월 ‘생성형 인공지능 의료기기 허가·심사 가이드라인’을 마련했다.

이 가이드라인은 생성형 AI가 적용된 의료기기의 허가·심사 과정에서 고려해야 할 사항을 안내하는 자료로, 생성형 AI 기술이 실제 의료기기로 개발되는 상황에 대응하기 위한 기준을 담고 있다.

식약처 역시 해당 가이드라인이 법적 효력을 갖는 규정 자체는 아니며 향후 기술과 법규 변화에 따라 내용이 달라질 수 있다고 밝히고 있다.

AI가 의료와 건강관리 분야의 실제 제품과 서비스로 확대될수록 단순히 ‘AI 기능이 있다’는 점보다 무엇을 목적으로 개발됐으며 정확도와 안전성을 어떤 방식으로 검증했는지가 더 중요해질 전망이다.

개인정보 보호도 정확도만큼 중요하다

AI 건강관리의 또 다른 과제는 개인정보 보호다.

수면시간, 심박수, 운동량, 혈당과 같은 데이터는 개인의 생활습관과 건강 상태를 상당히 구체적으로 보여줄 수 있다.

개인맞춤 분석이 정교해질수록 필요한 데이터도 많아질 수밖에 없다.

따라서 AI 건강관리 서비스를 이용할 때는 화면에 나타나는 건강 점수만 볼 것이 아니라 어떤 데이터를 수집하는지, 데이터가 어디에 저장되는지, 제3자와 공유되는지, 사용자가 삭제나 동의 철회를 할 수 있는지​도 확인할 필요가 있다.

WHO의 ‘Artificial Intelligence for Health’ 자료도 AI가 건강 분야에 기여하기 위해서는 과학적인 활용과 함께 안전성, 윤리성, 형평성, 적절한 규제와 거버넌스가 필요하다고 강조한다.

건강정보처럼 민감한 데이터를 활용하는 서비스일수록 분석 능력뿐 아니라 데이터를 어떻게 보호하는지도 기술 신뢰도를 결정하는 중요한 기준이 될 수 있다.

AI 건강관리 시대, 무엇을 확인해야 할까

AI 개인맞춤 건강관리 서비스를 이용할 때 가장 먼저 확인할 것은 해당 기능이 의료 목적의 기능인지 일반적인 건강관리·웰니스 기능인지다.

의료적 판단을 목적으로 하는 제품이라면 관계기관의 허가 여부와 허가받은 사용 목적을 살펴볼 필요가 있다.

두 번째는 분석에 이용하는 데이터다. 수면과 심박, 활동량처럼 웨어러블 센서로 직접 측정하는 정보인지 사용자가 직접 입력하는 정보인지에 따라 데이터의 성격과 신뢰도가 달라질 수 있다.

세 번째는 개인정보 처리 방식이다. 어떤 건강 데이터를 수집하는지, 외부 서버로 전송하는지, 다른 기관이나 기업에 제공하는지, 데이터를 삭제할 수 있는지를 확인하는 것이 중요하다.

마지막으로 AI 분석 결과는 건강관리를 위한 참고정보로 활용하되 이상 증상이 지속되거나 질환이 의심된다면 의료진에게 진단을 받는 것이 필요하다.

AI 개인맞춤 건강관리의 진짜 변화는 ‘AI가 사람보다 먼저 모든 질병을 알아낸다’는 데 있지 않다.

핵심은 수면과 활동량, 심박수, 혈당처럼 일상에서 계속 생성되는 건강 데이터를 연결해 개인에게 나타나는 변화를 보다 세밀하게 분석할 수 있다는 점​이다.

웨어러블과 AI 기술이 발전하면서 건강관리는 특정 시점의 수치를 확인하는 방식에서 장기간의 변화와 개인차를 살펴보는 방향으로 확대되고 있다.

하지만 기술이 정교해질수록 정확성과 임상적 검증, 알고리즘 편향, 개인정보 보호 문제 역시 중요해진다.

결국 AI 건강관리의 경쟁력은 ‘얼마나 많은 질병을 예측하느냐’가 아니라 개인의 건강 데이터를 얼마나 정확하고 안전하게 해석해 실제 건강관리에 도움이 되는 정보를 제공하느냐에 달려 있다.