본 논문은 웨어러블 기기에서 얻은 단일 리드 심전도 신호로부터 심전도 파라미터(PR 간격, QRS 간격, QT 간격 등)를 자동으로 계산하는 새로운 알고리즘인 FeatureDB를 대규모 다기관 연구를 통해 평가한 결과를 제시합니다. 세 가지 다양한 데이터셋(AHMU-FH, CSE, HeartVoice-ECG-lite)을 사용하여 기존 심전도 기기와 전문의의 판독 결과와 FeatureDB의 정확도를 비교 분석했습니다. FeatureDB는 주요 심전도 파라미터와 통계적으로 유의미한 상관관계를 보였으며, Bland-Altman 분석 결과 높은 수준의 일치도를 나타냈습니다. 또한, FeatureDB는 Long QT 증후군(LQT)과 방실 블록 간격 이상(AVBI) 검출에서 우수한 진단 성능(AUC, 정확도, 민감도, 특이도)을 보이며 임상적 신뢰성을 입증했습니다. 결과적으로, 본 연구는 FeatureDB의 임상 적용 가능성을 확인하고, 기존 진단 방법과 웨어러블 기술 간의 격차를 해소하는 데 기여할 수 있음을 시사합니다. 웨어러블 심전도 기기를 대규모 심혈관 질환 관리 및 조기 개입 전략에 통합하는 것을 지지하며, 정확하고 임상적으로 유의미한 심장 모니터링을 제공할 잠재력을 강조합니다.
