자전거 30초로 파킨슨병 조기 발견? Ultiracer (얼티레이서)로 진행한 AI 연구 들여다보기

한눈에 보기: 고려대학교 의과대학 연구팀이 대담한 질문을 던졌어요. 실내 자전거를 잠깐 타는 것만으로 초기 파킨슨병을 알아볼 수 있을까? 연구팀은 대부분 경증인 파킨슨병 환자 29명과 건강한 노인 36명에게 조향이 가능한 실내 자전거 플랫폼 Ultiracer (얼티레이서) 위에서 자기 자전거를 30초씩 세 번 타게 했어요. 그동안 핸들과 시트포스트에 단 센서가 미는 힘, 기울임, 좌우 흔들림을 모두 기록했죠. 이 주행 데이터로 학습한 인공지능(AI) 딥러닝 모델은 몸에 센서를 하나도 붙이지 않고, 별도의 보정 과정도 없이 두 그룹을 86.1% 정확도로 구별했어요. 가장 결정적인 신호는 자전거의 좌우 흔들림이었어요 (Kim et al., 2025). 아직 초기 연구이고 진단 검사는 아니지만, 균형을 훈련하는 바로 그 라이딩이 균형 상태를 함께 살펴보는 미래를 보여 줘요.

파킨슨병 조기 발견은 왜 이렇게 어려울까요?

파킨슨병은 전 세계 940만 명 이상이 앓고 있는 병이고, 장애를 일으키는 주요 원인 중 하나예요 (Kang et al., 2025). 아직 완치법은 없지만 재활과 약물로 증상을 줄일 수 있어서, 조기 발견과 꾸준한 모니터링이 그만큼 중요해요.

문제는 파킨슨병 초기 증상을 놓치기 쉽다는 거예요. 진단은 여전히 정해진 진료일의 병력 청취와 신경학적 진찰에 주로 의존하고, 연구팀에 따르면 초기 파킨슨병의 오진율은 15~24%로 보고돼 왔어요. DaT-SPECT나 FP-CIT PET/CT 같은 뇌 영상 검사는 훨씬 정확하지만 비용이 많이 들고 어디서나 받을 수 있는 검사도 아니에요 (Kim et al., 2025). 그래서 연구자들은 MRI 영상, 뇌파(EEG), 필기, 목소리, 걸음걸이 데이터에 AI를 적용해 파킨슨병 조기 진단의 길을 찾아 왔어요. 하지만 방법마다 한계가 있어요. 영상 장비는 비싸고, 뇌파 검사는 전문가와 전극 젤이 필요하며, 많은 방법이 몸에 센서를 붙여야 해요.

자전거가 알려 준 단서

여기서 자전거가 등장해요. 2010년 네덜란드 신경과 의사들은 몇 걸음만 걸어도 발이 바닥에 붙은 듯 얼어붙는 보행 동결 증상이 있는 진행성 파킨슨병 환자가 자전거는 부드럽게 타는 모습을 영상으로 기록했어요 (Snijders & Bloem, 2010). 연구자들은 돌아가는 페달이 리듬 신호 역할을 하고, 페달질에는 걸음을 뗄 때 필요한 좌우 체중 이동이 없기 때문이라고 봐요 (Snijders et al., 2011).

고려대 연구팀은 이 아이디어를 거꾸로 뒤집었어요. 자전거 타기가 운동 조절을 독특한 방식으로 쓴다면, 자전거를 타는 세밀한 방식 속에 파킨슨병의 흔적이 담겨 있지 않을까? 이를 확인하려면 제자리에서 바퀴만 도는 자전거 이상의 장비가 필요했어요.

연구팀은 어떻게 실험했을까요?

참가자들은 리얼디자인테크(RealDesignTech)가 만든 Ultiracer (얼티레이서)에 자기 자전거를 올려 탔어요. 일반 실내 자전거와 달리 Ultiracer는 자전거가 움직여요. 바퀴는 자유롭게 도는 롤러 위에 놓이고, 프레임 아래의 지지대가 라이더의 조향에 따라 좌우로 미끄러지듯 움직여 실제 야외 라이딩처럼 느껴져요. 그러면서도 자전거를 똑바로 붙잡아 줘서 넘어질 일이 없어요.

장비는 네 가지 데이터를 기록했어요.

• 핸들에 가해지는 힘: 헤드셋에 단 6축 힘 센서가 핸들을 밀고 비트는 힘을 측정했어요.
• 안장에 가해지는 힘: 시트포스트에 단 두 번째 센서가 체중 이동과 기울임을 잡아냈어요.
• 좌우 위치: 레이저 센서가 자전거가 중앙에서 얼마나 벗어나는지 추적했어요.
• 속도: 앞 롤러의 엔코더가 페달을 밟는 속도를 측정했어요.

참가자는 FP-CIT PET/CT로 진단이 확인된 파킨슨병 환자 29명(대부분 호엔-야르 1~2단계의 초기 단계)과 나이, 키, 체중, 성비가 비슷한 건강한 노인 36명이었어요. 짧게 적응한 뒤, 모두 게임처럼 생긴 화면의 표시가 가운데에 머물도록 신경 쓰면서 자기 속도로 30초씩 세 번 탔어요.

연구팀은 각 주행을 페달 두 바퀴 정도인 2초 단위로 잘라 1차원 합성곱 신경망(CNN)에 넣었어요. 신호 속 패턴을 찾는 데 강한 딥러닝 모델이에요. 모델은 참가자의 나이, 성별, 키, 체중도 함께 받았어요. 결과는 단순히 "예/아니요"가 아니라 파킨슨병일 가능성을 수치로 보여 줘요.

무엇을 발견했을까요?

• 사람 단위 정확도 86.1%: 5겹 교차 검증에서 모델은 참가자를 86.1% 정확하게 분류했어요. 민감도(파킨슨병 환자를 제대로 찾아낸 비율)는 83.3%, 특이도(건강한 사람을 제대로 가려낸 비율)는 88.6%였어요.
• 2초 조각 단위 정확도 80.7%: 2초짜리 주행 조각 하나에도 쓸모 있는 신호가 담겨 있었어요.
• 모든 센서가 중요했어요: 입력 데이터를 하나라도 빼면 정확도가 13~28% 떨어졌어요.
• 주인공은 좌우 흔들림: 좌우 위치 데이터를 뺐을 때 정확도가 가장 크게, 사람 단위로 약 22% 떨어졌어요.
• CNN이 더 최신 AI 구조보다 나았어요: 같은 데이터에서 LSTM과 트랜스포머 모델보다 좋은 성능을 보였어요.

이 결과는 MRI 기반 AI(88.9%)부터 센서를 이용한 보행 분석(83.7%)까지, 그동안 발표된 여러 방법과 비슷한 수준이에요. 다만 연구마다 참가자와 방법이 달라서 숫자를 그대로 맞대어 비교할 수는 없어요 (Kim et al., 2025). 차이는 검사가 얼마나 쉬운가에 있어요. 영상 장비도, 젤도, 몸에 차는 기기도 없이 자전거만 타면 돼요.

왜 좌우 흔들림이 가장 중요했을까요?

자전거의 좌우 움직임이 왜 이렇게 많은 것을 알려 줬을까요? 연구팀은 두 가지 설명을 내놓았어요. 첫째, 화면에 보여 준 신호는 좌우 위치뿐이었는데, 파킨슨병 환자는 시각 정보에 더 많이 의존하는 것으로 알려져 있어요. 둘째, 자전거를 좌우로 안정되게 유지하는 일은 자세 조절과 비슷한 원리를 쓰는데, 자세 조절은 초기 파킨슨병에서도 이미 영향을 받아요. 그래서 이 흔들림이 뚜렷한 증상이 나타나기 전의 미세한 운동 조절 변화를 담고 있을 수 있다는 거예요 (Kim et al., 2025). 같은 플랫폼에서 파킨슨병 환자의 균형 잡는 방식을 분석한 다른 연구의 결과와도 맞닿아 있어요 (Kang et al., 2025).

병원, 웰니스 센터, 가족에게 어떤 의미일까요?

연구 규모가 작고, 참가자 대부분이 경증 파킨슨병이었으며, 모델은 새로운 집단에서 다시 검증받아야 해요. 그래서 완성된 선별 도구라기보다는 가능성을 보여 준 첫걸음이에요. 증상이 걱정된다면 꼭 신경과 전문의와 상담하세요. 그래도 방향은 충분히 기대할 만해요.

• 운동처럼 느껴지는 평가: 30초 라이딩은 영상 검사보다 훨씬 부담이 적고, 헬스장, 재활실, 노인복지관에서도 할 수 있어요.
• 단순 판정이 아닌 가능성 점수: 시간에 따라 추적할 수 있는 점수는 한 번의 "예/아니요"보다 모니터링에 훨씬 유용해요.
• 훈련과 추적을 한 번에: 자전거 타기는 파킨슨병 환자의 운동 기능, 균형, 보행을 개선하는 효과가 잘 정리돼 있어요 (Tiihonen et al., 2021). 연구팀은 같은 플랫폼이 재활 운동과 진행 상황 측정을 동시에 해낼 수 있다고 봐요.

이 글은 Ultiracer (얼티레이서)를 활용한 연구 세 편을 소개하는 시리즈의 첫 번째 글이에요. 다음 주에는 같은 플랫폼에서 파킨슨병 환자들이 자전거 위에서 어떻게 균형을 잡는지 밝힌 연구를 소개할게요.

직접 확인해 보세요

Ultiracer (얼티레이서)는 실제 라이딩의 기울임, 흔들림, 조향을 실내로 가져오고, 낙상 걱정 없이 안전하게 타면서 균형과 협응 능력을 측정해요. 힐링케어 실증지원 사업단(Healing Care Empirical Support Team)이 어르신 10명과 진행한 연구에서 참여자들은 Ultiracer (얼티레이서)의 운동 중 안정성을 5점 만점에 4.6점으로 평가했어요 (Healing Care Empirical Support Team, 2023). 저희는 이것을 뉴로사이클링(Neurocycling)이라고 불러요. 병원, 재활 클리닉, 연구실, 웰니스 센터, 노인복지시설을 운영하면서 환자나 회원을 위해 Ultiracer (얼티레이서)를 검토하고 싶다면 문의하기로 연락 주세요. 데모나 공동 연구 상담을 준비해 드릴게요.

참고 문헌

• Healing Care Empirical Support Team. (2023). Demonstration of senior exercise capacity and function improvement using the balance training cycling system (Final report, Validation Test Support A-7). Gyeonggi Business & Science Accelerator; Industry-Academia Cooperation Office, Kyung Hee University.
• Kang, S., Park, J.-W., Kim, Y., Moon, J., Lee, Y., Lee, C.-N., Kim, J., Kim, S.-J., & Kim, B.-J. (2025). Biomechanical analysis of patients with mild Parkinson's disease during indoor cycling training. Journal of NeuroEngineering and Rehabilitation, 22, 127. https://doi.org/10.1186/s12984-025-01657-1
• Kim, Y., Kim, J., Kang, S., Lee, Y., Moon, J., Park, J.-W., Kim, B.-J., & Kim, S.-J. (2025). Convolutional neural networks-based early Parkinson's disease classification using cycling data from a steerable indoor bicycle. Scientific Reports, 15, 43253. https://doi.org/10.1038/s41598-025-27193-5
• Snijders, A. H., & Bloem, B. R. (2010). Cycling for freezing of gait. New England Journal of Medicine, 362, e46. https://doi.org/10.1056/NEJMicm0810287
• Snijders, A. H., Toni, I., Ružička, E., & Bloem, B. R. (2011). Bicycling breaks the ice for freezers of gait. Movement Disorders, 26(3), 367-371. https://doi.org/10.1002/mds.23530
• Tiihonen, M., Westner, B. U., Butz, M., & Dalal, S. S. (2021). Parkinson's disease patients benefit from bicycling: A systematic review and meta-analysis. npj Parkinson's Disease, 7, 86. https://doi.org/10.1038/s41531-021-00222-6