📄 생물공학

Validating OpenCap Kinematics for ACL Injury-Related Movements In and Out of the Lab

이 연구는 스마트폰 기반의 OpenCap 시스템이 실험실 환경에서 전방십자인대(ACL) 부상 위험 요인을 평가하는 유망한 도구임을 입증하였으나, 성능 변동성으로 인해 실험실 외부에서 이러한 운동학적 특성을 측정할 때는 정확도가 감소한다.

원저자: Swaminathan, K., Seagers, K., Kolesar, J. A., Ong, C. F., Hamner, S., Muccini, J. M., Starr, K. E., Myer, G. D., Delp, S., Hicks, J. L.

게시일 2026-10-20

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Swaminathan, K., Seagers, K., Kolesar, J. A., Ong, C. F., Hamner, S., Muccini, J. M., Starr, K. E., Myer, G. D., Delp, S., Hicks, J. L.

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ⚕️ 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기

매년 미국에서 12만 명 이상의 사람들이 스포츠를 즐기던 중 무릎의 핵심 인대인 전방십자인대를 파열합니다. 특히 젊은 여성 운동선수의 경우 위험도가 매우 높은데, 부상률이 남성 선수보다 두 배 이상 높습니다. 이러한 부상은 단순히 일시적인 좌절에 그치지 않습니다. 이는 향후 생활에서 관절염이 발생할 가능성을 현저히 높이는 등 장기적인 건강 문제로 이어질 수 있습니다. 대부분의 이러한 파열은 무릎에 직접적인 충격 없이 발생하기 때문에, 연구자들은 선수들에게 다르게 움직이는 법을 가르침으로써 부상을 예방할 수 있다고 믿습니다. 과학자들은 점프 후 착지하는 방식이나 경기장을 가로질러 방향을 전환하는 방식과 같이 무릎에 과도한 스트레스를 주는 특정한 움직임들을 식별해 냈습니다. 이러한 움직임을 측정함으로써, 연구자들은 선수의 신체가 부상에 얼마나 회복력이 있는지를 나타내는 점수를 계산할 수 있습니다. 문제는 이러한 움직임을 정확하게 측정하려면 전문 연구실에만 있는 고가의 대형 카메라와 센서가 필요했기에, 선수들이 실제로 경기를 치르는 장소에서 자주 점검하는 것이 불가능했다는 점입니다.

한 연구팀은 훨씬 더 단순한 도구가 실험실을 대체할 수 있는지 알아보기 위해 연구를 시작했습니다. 그들은 표준 스마트폰으로 촬영된 영상을 사용하여 신체의 움직임을 3차원으로 추정하는 OpenCap라는 소프트웨어 시스템을 테스트했습니다. 목표는 이 스마트폰 기반 방식이 고성능 실험실 장비와 동일하게 부상 위험 요인을 정확하게 측정할 수 있는지, 그리고 통제된 실험실 환경 밖의 실제 세상에서 선수들이 어떻게 움직이는지를 포착할 수 있는지 확인하는 것이었습니다. 연구팀은 축구, 농구, 배구를 하는 평균 연령 약 16세의 26명 여성 청소년 운동선수들을 모집했습니다. 참가자 중 무릎 수술 이력이 있는 선수는 없었습니다. 연구진은 이 선수들에게 부상 위험 스크리닝에 사용되는 다섯 가지 일반적인 동작(외발 스쿼트, 외발 및 양발 점프, 두 종류의 급격한 방향 전환)을 수행하도록 요청했습니다. 연구진은 각 선수에 대해 두 번의 기록을 남겼는데, 한 번은 골드 스탠다드(gold-standard) 모션 캡처 시스템이 있는 실험실 내부에서, 다른 한 번은 스마트폰만을 사용하는 더 자연스러운 외부 환경에서 수행했습니다.

결과는 스마트폰 시스템이 실험실 장비와 비교했을 때 놀라울 정도로 잘 작동한다는 것을 보여주었습니다. 실험실 내부에서 스마트폰 영상으로 계산된 부상 회복력 점수는 고성능 카메라의 점수와 강력하게 연관되어 있었습니다. 두 방식은 서로 밀접하게 일치하여, 스마트폰으로도 선수들의 위험도를 최고점에서 최저점까지 신뢰할 수 있게 순위를 매길 수 있었습니다. 연구진이 무릎이 얼마나 굽혀졌는지 또는 골반이 얼마나 회전했는지와 같은 움직임의 세부 사항을 살펴보았을 때, 스마트폰 시스템은 대부분의 관절, 특히 무릎과 골반에 대해 높은 정확도로 패턴을 포착했습니다. 이러한 각도 측정의 오차는 매우 작아서, 시스템이 선수가 훈련을 통해 기술을 개선할 때 발생하는 변화를 감지하기에 충분했습니다. 이는 코치와 트레이너들이 연구 시설을 방문할 필요 없이, 단순한 스마트폰을 사용하여 선수들을 모니터링하고 더 안전하게 움직이는 방법에 대해 즉각적인 피드백을 제공할 수 있음을 시사합니다.

하지만 선수들이 실험실 밖으로 나가자 이야기는 약간 달라졌습니다. 스마트폰이 여전히 작동하기는 했지만, 야외 세션에서 계산된 점수는 연구진이 기대했던 것만큼 실내 점수와 일치하지 않았습니다. 많은 선수들이 실험실 안에 있을 때와 비교하여 밖에서 다르게 움직였으며, 이러한 차이는 위험 점수를 유의미하게 변화시킬 만큼 컸습니다. 예를 들어, 실험실 안에서는 매우 안전한 착지 패턴을 보였던 한 선수는 밖에서는 무릎이 덜 굽혀지고 상체가 더 기울어지는, 더 뻣뻣하고 위험한 착지 패턴을 보였습니다. 반대로 밖에서 더 나은 자세로 움직이는 모습을 보인 선수도 있었습니다. 이는 환경 자체가 사람의 움직임에 영향을 미친다는 것을 나타내며, 조용한 방 안에서의 단 한 번의 테스트가 선수의 위험도를 전부 설명해주지는 못한다는 것을 의미합니다. 이 연구는 스마트폰 시스템에 결함이 있다는 것을 밝힌 것이 아니라, 오히려 선수들이 실제 세상에서는 진정으로 다르게 행동한다는 점을 드러낸 것입니다.

연구진은 스마트폰 기반 도구가 부상 역학을 측정하는 유효한 방법이며, 선수들이 실제로 경기를 치르는 환경에서 더 자주 모니터링할 수 있는 실용적인 경로를 제공한다고 결론지었습니다. 이 기술은 움직임의 개선을 추적하고 위험한 패턴을 식별할 수 있을 만큼 정확합니다. 그러나 실험실과 실제 환경 간의 차이는 부상을 진정으로 이해하고 예방하기 위해서는 통제된 방 안이 아닌, 선수들의 자연스러운 환경에서 그들이 어떻게 움직이는지를 볼 필요가 있다는 중요한 점을 강조합니다. 이 연구는 부상 예방이 몇 번의 실험실 방문에 국한되지 않고, 선수의 실제 움직임 습관을 반영하는 데이터를 바탕으로 일상적인 훈련의 연속적인 부분이 될 수 있는 미래를 위한 토대를 마련했습니다.

문제점
전방십자인대(ACL) 부상은 청소년 여성 운동선수들에게 빈번하게 발생하며, 퇴행성 관절염 위험 증가 및 심리적 고통을 포함한 중대한 장기적 건강 문제를 초래한다. 특정 수정 가능한 운동학적 위험 요인(예: 무릎 굴곡 감소, 무릎 외반 증가)이 식별되어 운동학적 ACL 부상 탄력성(kAIR) 점수로 통합되었으나, 현재의 평가 방법은 실험실 기반의 광학 모션 캡처(MoCap)에 의존하고 있다. 이러한 의존성은 스크리닝 빈도를 제한하고, 생태학적으로 유의미한 실제 환경에서의 종단적 모니터링을 방해한다. 따라서 부상 예방 훈련을 가이드하기 위해 실험실 외부에서 신속하게 이러한 생체역학적 위험 요인을 측정할 수 있는 접근 가능하고 휴대 가능한 도구가 절실히 필요하다.

연구 방법
본 연구는 스마트폰 기반 모션 캡처 시스템인 OpenCap의 정확도를 참조용 16카메라 광학 MoCap 시스템과 비교하여 평가하였다.

참가자: 수술 이력이 없는 26명의 여성 청소년 운동선수 (평균 연령 15.7 ± 1.2세).
과제: 참가자들은 한 발 스쿼트, 한 발 및 양발 드롭 버티컬 점프, 90도 드롭 컷, 90도 런 컷 등 5가지 ACL 부상 스크리닝 활동을 수행하였다.
데이터 수집:
- 실험실 내(In-Lab): MoCap(50개 반사 마커, 200Hz)과 OpenCap(아이폰 3대, 240Hz)을 이용한 동시 데이터 수집.
- 실험실 외(Out-of-Lab): 비실험실 환경에서 OpenCap 데이터만 수집.
처리: 무릎의 전두면 자유도를 포함하도록 수정된 33자유도 근골격 모델을 각 참가자에게 맞춰 스케일링하였다. 시계열 데이터로부터 유도된 24개의 운동학적 지표를 사용하여 OpenSim에서 역운동학을 계산하였다. kAIR 점수와 그 구성 요소인 관절별 하위 점수(몸통, 고관절, 무릎, 발목)를 산출하였다.
통계 분석: 일치도와 일관성을 평가하기 위해 피어슨 상관계수( $r$ ), 순위 일관성을 위한 켄달의 타우( $\tau$ ), 절대적 일치성을 위한 급내 상관계수(ICC)를 사용하였다. 개별 지표에 대해서는 평균 제곱근 오차(RMSE)를 계산하였다.

주요 기여

복합 점수의 검증: 본 연구는 성인 대상의 단일 과제 평가를 넘어, ACL 관련 과제를 수행하는 청소년 여성을 대상으로 kAIR 복합 점수를 생성하는 데 있어 OpenCap을 검증한 첫 사례를 제공한다.
전두면 운동학: 단일 자유도 무릎 모델을 사용했던 기존의 OpenCap 연구들과 달리, 본 연구는 ACL 부상 위험에 결정적인 전두면 무릎 운동학(동적 무릎 외반)을 포착하기 위해 수정된 모델을 활용하였다.
실험실 내 vs 실험실 외 비교: 본 연구는 통제된 실험실 환경과 실제 환경 사이의 생체역학적 측정값 및 kAIR 점수의 차이를 규명함으로써, 환경적 맥락이 움직임 패턴에 미치는 영향에 대한 이해의 공백을 메운다.

결과

실험실 내 일치도 (OpenCap vs. MoCap):
- kAIR 점수: OpenCap과 MoCap에서 유도된 점수 사이에 강한 상관관계( $r=0.84$ , $p<0.001$ )와 좋은 일치도(ICC=0.83)가 관찰되었다.
- 하위 점수: 관절별 하위 점수에 대한 상관관계는 중간에서 강함 수준이었다( $r=0.46$ ~ $0.92$). 순위 일관성은 무릎과 고관절 하위 점수에서는 유의미했으나, 발목이나 몸통에서는 그렇지 않았다.
- 개별 지표: 시계열 데이터는 30개 관절 좌표 측정값 중 27개에 대해 강한 상관관계( $r>0.8$ )를 보였다. 최대 무릎 굴곡 각도가 가장 높은 상관관계( $r=0.96$ )를 보였고, 초기 접촉 시 발목 굴곡이 가장 낮은 상관관계( $r=0.27$ )를 보였다. 몸통 및 하체 각도의 RMSE는 2.4에서 8.9도 사이였다.
실험실 외 타당성:
- OpenCap은 94.8%의 성공률(오류로 인해 698회 시도 중 36회 제외)로 실험실 외 환경에서도 데이터를 성공적으로 수집하였다.
- 실험실 내 vs 실험실 외 점수: 실험실 내 세션과 실험실 외 세션에서 OpenCap으로 유도된 kAIR 점수는 서로 중간 정도의 상관관계( $r=0.45$ , $p=0.027$ )만을 보였으며, 일치도는 낮았다(ICC=0.45).
- 변동성: 24명의 참가자 중 19명이 실험실 간의 kAIR 점수 변화가 평균적인 피험자 내 시행별 변동성을 초과하는 것을 보였다. 생체역학 모델의 시각적 검사를 통해 이러한 점수 변화가 실제 움직임 패턴의 차이(예: 일부 선수의 경우 실험실 외 환경에서 무릎 굴곡 감소 및 측면 몸통 기울기 증가)와 일치함을 확인하였다.

의의
저자들은 본 연구가 실제 환경에서 수정 가능한 운동학적 ACL 부상 위험 요인의 대규모 종단적 모니터링을 위한 토대를 마련했다고 주장한다. OpenCap이 실험실 내에서 kAIR 점수를 계산하는 데 있어 MoCap과 강력한 동시 타당성을 보여주지만, 본 연구는 운동선수들이 실험실 밖에서 스크리닝 과제를 다르게 수행할 수 있음을 강조한다. 따라서 본 논문은 OpenCap이 빠르고 접근 가능한 스크리닝을 위한 유효한 도구임을 보여주는 동시에, 관찰된 환경적 변동성이 부상 위험을 정확하게 특징짓기 위해 생태학적으로 유의미한 환경에서 데이터를 수집해야 할 필요성을 뒷받할한다고 제언한다. 이 연구는 OpenCap이 모든 맥락에서 MoCap을 완벽하게 대체할 수 있다고 주장하는 것이 아니라, 확장 가능한 실제 환경의 생체역학적 모니터링을 향한 중요한 단계로 자리매김하고 있다.

유사한 논문