.svg)
AI 솔루션 문의하기
재활치료 현장에서 환자의 자세를 분석하는 비전 인공지능은 한 장의 정지된 사진에서 정보를 얻지 않습니다. 대신 관절이 굽혀지고 펴지는 연속적인 움직임 전체를 따라가며 그 궤적을 읽어내야 합니다. 환자가 팔을 들어 올리거나 무릎을 굽히는 동작 하나하나마다 관절이 실제로 얼마나 움직였는지를 정확한 각도로 측정해야 치료의 진행 상황을 객관적으로 판단할 수 있습니다.
그래서 학습데이터는 특정 순간의 자세를 표시하는 수준을 넘어서야 합니다. 움직임이 시작되고 끝나는 전체 구간의 변화까지 함께 담아내야 합니다. 사람의 눈은 대략적인 움직임의 범위만 가늠할 수 있었지만, 인공지능은 다르기 때문입니다. 몇 도 단위의 미세한 차이까지 일관되게 측정할 수 있어야 치료 효과를 신뢰할 수 있는 수치로 남길 수 있습니다.
이러한 특성 때문에 재활치료 자세분석용 학습데이터는 정지된 순간의 자세 정보와 더불어 그 자세로 이어지는 움직임 전체의 흐름을 함께 담는 방향으로 구축되어야 합니다.
이 네 가지 요소가 함께 측정되어야 단순히 관절이 얼마나 굽혀지는지를 넘어 그 움직임이 얼마나 정상적인 방식으로 이루어지고 있는지를 종합적으로 판단할 수 있습니다.
하나의 카메라만으로는 신체의 앞뒤 움직임이나 카메라 반대편으로 향하는 관절의 각도를 정확히 포착하기 어려워 여러 각도에 배치된 카메라의 영상을 함께 종합해 입체적인 움직임 정보를 구성하는 방식이 널리 활용되고 있습니다. 여러 시점에서 촬영된 영상을 하나로 통합하는 이 과정이 정교하게 이루어져야 평면적인 영상만으로는 놓치기 쉬운 미묘한 각도 차이까지 정확하게 포착할 수 있습니다.
환자가 입은 옷의 소매나 바지 자락이 관절 부위를 가리거나 보조기나 깁스처럼 치료를 위해 착용한 장비가 실제 관절의 위치를 시각적으로 왜곡시키는 경우가 많아 이러한 가림 상황에서도 관절의 실제 위치를 추정할 수 있는 능력이 학습데이터에 함께 반영되어야 합니다. 완전히 노출된 관절만을 기준으로 학습된 인공지능은 실제 재활치료 현장에서 마주치는 다양한 착용 상태 앞에서 정확도가 크게 떨어질 위험이 있습니다.
보행이 자유롭지 못해 보조기구를 사용하는 환자의 자세분석은 일반적인 보행 환자와는 다른 기준으로 접근해야 합니다.
이러한 보조기구 사용자를 위한 별도 기준이 마련되지 않으면 일반 보행자를 기준으로 만들어진 인공지능이 정작 재활치료가 가장 필요한 환자군에게는 오히려 부정확한 평가를 내리는 모순적인 상황이 발생할 수 있습니다.
같은 각도로 움직였다 하더라도 성인과 어린이 그리고 마른 체형과 비만 체형은 관절의 위치를 인식하는 기준점 자체가 달라질 수 있어 다양한 체형과 연령대에 걸친 데이터를 폭넓게 확보하지 않으면 특정 신체 조건에서만 정확하게 작동하는 제한적인 시스템이 만들어질 위험이 있습니다. 고령 환자처럼 자세 자체가 이미 굽어 있거나 왜곡되어 있는 경우에는 정상적인 기준 자세를 어떻게 설정할 것인지도 함께 고민해야 하는 별도의 과제로 남아 있습니다.
병원을 벗어나 집에서 스스로 재활 운동을 이어가는 환자가 늘어나면서 조명과 카메라 각도 그리고 촬영 공간의 넓이가 병원과는 전혀 다른 가정 환경에서도 정확하게 작동하는 능력이 함께 요구되고 있으며 이는 통제된 병원 환경만을 기준으로 만들어진 데이터로는 충분히 대응하기 어려운 부분입니다. 좁은 거실이나 어두운 방 안에서도 관절의 움직임을 놓치지 않는 유연함이 재택 재활을 지원하는 인공지능에게는 필수적인 능력으로 다루어지고 있습니다.
재활치료가 만들어내는 변화는 하루아침에 눈에 띄게 드러나지 않고, 몇 도씩 늘어나는 관절의 가동범위처럼 아주 조금씩 쌓여갑니다. 그 미세한 진전을 놓치지 않고 정확한 숫자로 남기는 이 데이터 작업이야말로, 환자가 자신의 회복을 눈으로 확인하며 다음 운동을 이어갈 수 있게 해주는 동력입니다.
.svg)
.svg)
