연구진은 시간 시계열 기반 모델(TSFM)이 기존 방법보다 소비자 웨어러블 기기에서 수집한 심박변이도(HRV) 데이터를 예측하는 데 효과적임을 확인했어요. TimesFM, Chronos, MOIRAI 세 가지 TSFM 모델을 활용해 49명의 건강한 성인 데이터를 분석했죠. 데이터 단편화 문제를 해결하기 위해 변동성을 유지하는 보간법을 도입해 생리학적 역학을 보존했어요.
Chronos와 TimesFM 모델이 가장 우수한 성능을 보였으며, 평균 절대 스케일 오류(MASE)는 0.81~0.87 사이로 기존 예측 방법보다 뛰어났어요. 최대 2시간 예측 가능하며, 실제 데이터셋에서의 TSFM 성능을 입증했어요.
향후 임상 적용을 위해 TSFM의 도메인 특화 미세 조정이 유망한 방향이 될 것으로 예상돼요.