Smart Operation Theatre: An AI-based System for Surgical Gauze Counting

싱가포르 종합병원과 협력하여 개발된 이 연구는 YOLOv5 기반의 AI 시스템을 통해 수술 중 거즈의 실시간 자동 계수를 수행하여 '거즈 방치 (Gossypiboma)' 위험을 예방하고, 기존 방식 대비 정확도와 처리 속도를 향상시켰으며 수동 보정 기능을 추가하여 임상 신뢰도를 높였습니다.

핵심

🏥 문제: 수술실의 '보이지 않는 위험'

수술 중에는 피를 멈추게 하거나 상처를 덮기 위해 **의료용 거즈 (면솜)**를 많이 사용합니다. 그런데 수술이 끝난 후, 이 거즈 중 하나가 실수로 환자 몸속에 남아버리는 끔찍한 사고가 가끔 발생합니다. 이를 의학 용어로 **'고시피보마 (Gossypiboma)'**라고 부르는데, 환자에게는 극심한 고통과 감염을, 병원에게는 막대한 소송 비용과 평판 손실을 안겨줍니다.

기존의 해결책은 무엇이었나요?

1. 손으로 세기: 간호사들이 거즈를 일일이 손으로 세는 방식입니다. 하지만 수술 중에는 바쁘고 피곤해서 실수가 생기기 마련입니다. (마치 바쁜 식당에서 식기 수납을 눈으로만 세는 것과 비슷합니다.)
2. RFID 칩 거즈: 거즈에 전파 칩을 붙여 자동으로 감지하는 방식입니다. 하지만 이 거즈는 일반 거즈보다 8 배나 비싸서 병원이 쓰기 부담스럽습니다.

🤖 해결책: 수술실의 '초능력을 가진 AI 감시관'

이 연구팀은 싱가포르 종합병원 (SGH) 과 협력하여, 비싼 칩 없이도 AI 가 거즈를 자동으로 세어주는 시스템을 만들었습니다.

1. 시스템의 작동 원리: "들어온 거즈 vs 나간 거즈"

이 시스템은 수술실 천장에 달린 두 개의 카메라를 사용합니다. 마치 자동 문처럼 두 개의 트레이 (접시) 를 감시합니다.

• 들어온 거즈 (In Tray): 아직 사용되지 않은 깨끗한 거즈가 놓이는 곳.
• 나간 거즈 (Out Tray): 환자 몸에서 꺼낸, 피로 물든 거즈가 놓이는 곳.

비유하자면?
이 시스템은 수술실의 **'지능형 문지기'**입니다.

• 거즈가 '들어온 문'을 통과하면 AI 가 "아, 거즈가 1 개 들어갔네!"라고 외칩니다.
• 거즈가 '나간 문'을 통과하면 "아, 거즈 1 개가 나왔네!"라고 기록합니다.
• 결론: (들어온 거즈 수) - (나온 거즈 수) = 현재 환자 몸속에 있는 거즈 수가 됩니다. 수술이 끝났을 때 이 숫자가 0이 되어야만 "안전하다!"라고 판단하는 것입니다.

2. AI 의 눈: "YOLOv5"라는 초고속 카메라

이 시스템의 핵심은 YOLOv5라는 AI 모델입니다.

• YOLO는 "You Only Look Once(한 번만 봐도 다 안다)"라는 뜻입니다.
• 일반 카메라가 사진을 찍고 분석하는 동안, 이 AI 는 실시간으로 거즈가 움직이는 것을 쫓아갑니다.
• 이전 버전은 거즈와 사람의 손을 따로 인식했지만, 이번 연구에서는 거즈와 손을 동시에 인식하는 통합 모델로 업그레이드했습니다.
• 결과: 거즈가 겹쳐 있거나 피가 묻어 있어도, 그리고 손이 가려도 **1 초에 15 장 (FPS)**의 속도로 정확하게 세어냅니다. (이전보다 2 배 빨라졌습니다!)

3. 의사선생님을 위한 '신호등 시스템'

화면에는 의사선생님들이 직관적으로 이해할 수 있는 신호등이 뜹니다.

• 🟢 초록색 테두리: "괜찮아요, 거즈를 넣거나 꺼내도 됩니다."
• 🟡 노란색 테두리: "손이 감지되었습니다. 잠시만요."
• 🔴 빨간색 테두리: "계산 중입니다. (약 0.05 초 동안만 깜빡임)"

이렇게 하면 간호사나 의사가 복잡한 숫자를 세지 않아도, 화면만 보면 "아, 지금 거즈가 3 개 몸속에 있구나"라고 바로 알 수 있습니다.

💡 왜 이 기술이 중요한가요?

1. 비용 절감: 비싼 RFID 칩 거즈를 쓸 필요가 없습니다. 기존 거즈를 그대로 쓰면서 AI 카메라만 추가하면 되니 병원 비용이 크게 줄어듭니다.
2. 환자 안전: "손으로 세는 실수"를 AI 가 대신해주므로, 환자 몸속에 거즈가 남아있는 사고를 거의 0 에 가깝게 만들 수 있습니다.
3. 법적 문제 해결: 거즈가 남아있어 발생하는 수백만 달러의 소송 비용을 막아줍니다.

🚧 아직 넘어야 할 산 (한계점)

연구팀은 솔직하게 한계점도 인정했습니다.

• 겹쳐진 거즈: 거즈가 여러 장이 뭉쳐서 쌓여 있으면, AI 가 "1 장"인지 "3 장"인지 구별하기가 어렵습니다. (마치 쌓인 접시를 한 번에 세는 것이 어렵듯이요.)
• 수술실의 환경: 빛이 너무 어둡거나 반사가 심하면 오작동할 수도 있습니다.

하지만 연구팀은 "이제 더 똑똑한 AI 모델을 도입해서 쌓인 거즈도 정확히 세도록 만들겠다"고 약속했습니다.

📝 한 줄 요약

"비싼 칩 없이, AI 카메라가 수술실의 거즈를 '들어온 문'과 '나간 문'에서 실시간으로 세어주어, 환자 몸속에 거즈가 남는 치명적인 실수를 막아주는 똑똑한 시스템입니다."

이 기술이 실제 병원에 도입된다면, 수술실은 더 안전해지고 의료진들은 환자 치료에 더 집중할 수 있게 될 것입니다.

기술 요약

논문 요약: 스마트 수술실 (Smart Operation Theatre) - AI 기반 거즈 계수 시스템

1. 문제 정의 (Problem Statement)

• 가시포보마 (Gossypiboma): 수술 중 환자의 체내에 의료용 거즈가 남아 발생하는 심각한 합병증입니다. 이는 통증, 농양 형성, 패혈성 쇼크, 심지어 사망에 이를 수 있으며, 병원에게는 의료 과실 소송 및 규제 제재와 같은 법적/재정적 리스크를 초래합니다.
• 기존 방식의 한계:
  • 수동 계수: 간호사가 수백 개의 거즈를 직접 세는 방식은 시간이 많이 소요되고, 피로로 인한 실수가 빈번합니다. 연구에 따르면 수동 계수 오류로 인해 실제 거즈가 남아있음에도 '정확한 계수'로 오인되는 사례가 88% 에 달합니다.
  • RFID/방사선 감지 거즈: 정확도는 높으나, 일반 거즈 대비 약 8 배 비싼 비용 (거즈당 추가 비용 및 스캐너 비용) 으로 인해 보편화가 어렵습니다.
• 경제적 영향: 싱가포르 헬스 그룹 (SingHealth Group) 은 수술 후 체내 잔류 거즈로 인해 연간 약 672 만 달러의 비용을 지출하고 있으며, 전 세계적으로도 소송 비용 등 막대한 재정적 손실이 발생합니다.

2. 방법론 (Methodology)

이 연구는 싱가포르 종합병원 (SGH) 과의 협력을 통해 실제 수술실 환경에서 데이터를 수집하고 AI 모델을 개발했습니다.

• 시스템 아키텍처:
  • 하드웨어: 수술용 트레이 위에 설치된 고정식 프레임, 고해상도 카메라, 일관된 조명을 위한 LED 가 장착된 이동식 장치.
  • 트레이 구성: 사용 전 거즈를 담는 'In' 트레이와 사용 후 (혈액 등 오염된) 거즈를 담는 'Out' 트레이로 구분하여 실시간으로 거즈의 이동을 추적합니다.
• 데이터 수집 및 전처리:
  • 실제 수술실에서 촬영된 비디오를 기반으로 11,000 장의 이미지를 수집 및 증강 (Augmentation) 했습니다.
  • 다양한 조명 조건, 중첩 (Overlap), 그림자, 혈액 묻은 거즈 등 실제 수술 상황을 시뮬레이션한 데이터를 포함했습니다.
  • Roboflow를 사용하여 거즈와 수술자의 손을 정밀하게 라벨링 (Annotation) 했습니다.
• AI 모델 및 기술 스택:
  • 모델: YOLOv5 (You Only Look Once) 기반의 딥러닝 객체 감지 모델을 사용했습니다.
  • 통합 모델: 이전 버전 (거즈 감지 모델 + 인간 감지 모델 분리) 에서 단일 통합 모델로 개선하여 거즈와 손을 동시에 감지하도록 설계했습니다.
  • 기술 스택: PyTorch (모델 학습/추론), OpenCV (비디오 처리 및 UI), CUDA (GPU 가속), 멀티스레딩 (동시 카메라 스트림 처리).
• 알고리즘 로직:
  • 'In' 트레이에 들어가는 거즈와 'Out' 트레이로 이동하는 거즈를 실시간으로 감지하여 계수합니다.
  • 계수 공식: 현재 체내 거즈 수 (In Play) = 총 투입량 (Total In) - 총 회수량 (Total Out).
  • 수술 종료 시 In Play = 0이 되어야 안전을 보장합니다.

3. 주요 기여 및 개선점 (Key Contributions)

• 성능 향상:
  • 데이터셋 확대: 2,800 장에서 11,000 장으로 데이터셋을 4 배 이상 확장하여 모델의 일반화 능력을 향상시켰습니다.
  • 모델 통합: 두 개의 별도 모델을 하나의 통합 모델로 통합하여 정확도를 높이고, 처리 속도 (FPS) 를 8 FPS 에서 15 FPS 로 개선했습니다.
• 실시간 인터페이스 및 피드백:
  • 트래픽 라이트 시스템: 화면 테두리 색상을 통해 상태 표시 (초록: 정상, 노랑: 손 감지, 빨강: 시스템 업데이트 중) 를 제공하여 의료진의 직관적인 사용을 돕습니다.
  • 수동 조정 기능: 의료진의 피드백을 반영하여 시스템 오류 발생 시 수동으로 계수를 수정할 수 있는 기능을 추가하여 신뢰성을 높였습니다.
• 비용 효율성: 고가의 RFID 시스템 없이도 기존 표준 거즈를 사용하여 정확한 계수가 가능하도록 하여 병원 도입 비용을 대폭 절감했습니다.

4. 결과 (Results)

• 실시간 모니터링: 시스템은 수술실의 TV 화면에 'In' 및 'Out' 트레이의 실시간 거즈 수를 표시하며, 수술 중 거즈의 이동을 정확히 추적합니다.
• 정확도 및 속도: 통합 모델의 도입으로 객체 감지 정확도가 향상되었으며, 15 FPS 의 처리 속도로 수술 중 실시간 모니터링이 가능해졌습니다.
• 현재 한계 및 개선 과제:
  • 현재 시스템은 약 50% 중첩된 거즈는 감지 가능하나, 여러 장이 쌓인 (Stacked) 거즈를 개별적으로 계수하는 데는 한계가 있습니다.
  • 간호사들의 피드백에 따라 거즈를 트레이에 하나씩 정리하여 넣어야 하는 번거로움이 지적되었으며, 향후 더 정교한 모델을 통해 중첩 및 적재된 거즈 감지 능력을 향상시킬 계획입니다.

5. 의의 및 중요성 (Significance)

• 환자 안전: Gossypiboma 와 같은 치명적인 의료 사고를 예방하여 환자 안전을 획기적으로 높입니다.
• 경제적 가치: 고가의 RFID 시스템 도입 없이도 수동 계수의 오류를 제거함으로써, 병원 운영 비용 절감과 잠재적인 수백만 달러 규모의 소송 비용을 방지합니다.
• 의료 효율성: 간호사의 수동 계수 시간을 단축하여 환자에게 집중할 수 있는 시간을 확보하고, 수술실의 전반적인 효율성을 증대시킵니다.
• 상업화 전망: 싱가포르 내 추가 병원을 통한 테스트를 거쳐 제품화 (Commercialization) 를 목표로 하며, 의료 AI 기술의 실용적 적용 사례로 평가받고 있습니다.

이 프로젝트는 딥러닝과 컴퓨터 비전 기술을 의료 현장의 구체적인 문제 (거즈 잔류) 에 적용하여, 비용 효율적이면서도 고도로 정확한 해결책을 제시했다는 점에서 의의가 큽니다.