IMU-Based Hip Adduction and Flexion Moment Estimation for Osteoarthritis and Healthy Individuals During Normal and Modified Gait

고관절 골관절염을 앓고 있는 수백만 명의 사람들에게 걷기라는 단순한 행위는 통증과의 끊임한 협상입니다. 이 질환은 관절을 완충하는 매끄러운 연골을 마모시켜, 매 걸음마다 심각한 장애로 이어질 수 있는 맷돌 같은 마찰을 유발합니다. 의사들은 엑스레이를 통해 손상을 확인할 수 있지만, 질병의 진정한 이야기는 사람이 움직이는 동안 몸에 작용하는 보이지 않는 힘 속에서 펼쳐집니다. 발이 지면에 닿을 때마다 고관절은 엄청난 하중을 흡수하며, 사람이 어떻게 걷는지—어떻게 몸을 기울이고, 발가락을 어떻게 돌리며, 얼마나 빨리 움직이는지—에 따라 그 관절이 견뎌야 하는 스트레스의 양이 정확히 결정됩니다. 시간이 흐름에 따라 이러한 누적된 힘은 질병을 가속화할 수 있지만, 대부분의 환자에게 이 위험한 부하는 그러한 측정이 이루어지는 전문 클리닉과는 거리가 먼, 일상생활의 고요함 속에서 발생합니다.

지금까지 이러한 힘을 이해하기 위해서는 생체역학 실험실을 방문해야 했습니다. 그곳에서 환자들은 거대한 압력 센서가 매립된 바닥 위를 걷고, 카메라는 레이저 정밀도로 움직임을 추적합니다. 이 설정은 관절 스트레스에 대한 상세한 스냅샷을 제공하지만, 비용이 많이 들고 번거로우며, 통제된 환경에서의 몇 초간의 보행만을 포착합니다. 이는 의사에게 환자의 고관절이 공원에서의 아침 산책, 식료품 쇼핑, 혹은 정신이 팔린 순간에 어떻게 반응하는지를 알려줄 수 없습니다. 의학계의 과제는 이러한 수준의 통찰력을 실험실 밖으로 가져와, 방대한 장비 없이도 신체의 움직임을 추적할 수 있는 작은 웨어러블 기기를 사용하여 현실 세계로 가져오는 것이었습니다.

상하이 교통대학교, 교토 대학교, 홍콩 중국 대학교의 연구진은 이 문제를 해결하기 위한 중요한 발걸음을 내디뎠습니다. 그들은 몸에 부착된 작은 센서만을 사용하여 고관절 내부의 비틀림과 굽힘 힘을 추정하는 새로운 방법을 개발했습니다. 관성 측정 장치(IMU)라고 알려진 이 센서들은 스마트폰에 들어있는 칩과 유사하게 가속도와 회전을 감지할 수 있는 아주 작은 장치입니다. 연구진은 이 단순한 신호들을 사용하여 고관절에 작용하는 복잡한 힘을 재구성할 수 있는지, 특히 관절염 환자들의 경우나 그들의 보행 방식이 변하는 경우에도 가능한지를 알고 싶었습니다.

아이디어를 테스트하기 위해 연구팀은 젊은 건강한 성인, 노년의 건강한 성인, 그리고 고관절 골관절염 진단을 받은 사람들을 포함하여 84명의 참가자를 모집했습니다. 그들은 몸통, 골반, 다리에 8개의 작은 장치를 착용한 채 트레드밀과 힘 센서가 설치된 바닥 위를 걷도록 요청받았습니다. 참가자들은 단순히 정상적으로 걷기만 한 것이 아니라, 시스템이 따라올 수 있는지 확인하기 위해 특정 방식으로 보행을 수정하도록 요청받았습니다. 그들은 더 빠르게 또는 느리게 걸었고, 발가락을 안쪽이나 바깥쪽으로 돌렸으며, 보폭을 넓히거나 좁혔고, 상체를 옆으로 기울였으며, 심지어 정신이 분산된 상황을 시뮬레이션하기 위해 3씩 빼면서 거꾸로 숫자를 세며 걷기도 했습니다. 이는 다양한 조건에서 고관절이 어떻게 작동하는지를 포착하는 방대한 움직임 데이터 라이브러리를 생성했습니다.

그 후 연구진은 데이터로부터 패턴을 학습하도록 설계된 인공지능의 일종인 컴퓨터 모델을 구축했습니다. 그들은 이 모델이 몸통, 골반, 다리에서 오는 신호를 보고 고관절 내부의 대응하는 힘을 예측하도록 훈련시켰습니다. 목표는 특정 인물뿐만 아니라 누구에게나 적용될 수 있는 시스템을 만드는 것이었습니다. 처음에 그들은 "원사이즈(one-size-fits-all)" 버전의 모델을 테스트했습니다. 이 버전은 상당히 우수했지만, 특히 움직임 패턴이 건강한 사람과 크게 다른 관절염 환자들에게 정확한 수치를 맞추는 데 어려움을 겪었습니다.

돌파구는 연구진이 "퓨샷 개인화(few-shot personalization)"라고 불리는 기술을 도입했을 때 찾아왔습니다. 모든 사람을 동일한 틀에 맞추려고 노력하는 대신, 아주 적은 양의 데이터를 사용하여 모델이 각 개인에 대해 조금씩 학습할 수 있도록 허용했습니다. 새로운 참가자가 어려운 수정 보행 과제를 수행하기 전, 시스템은 그들에게 단 몇 걸음만 정상적으로 걷도록 요청했습니다. 모델은 이 몇 걸음을 사용하여 자신의 내부 설정을 조정함으로써 특정 개인의 체형, 센서 착용 방식, 그리고 고유한 움직임 방식에 맞추었습니다. 이는 라디오를 특정 방송국에 맞추기 위해 튜닝하는 과정과 유사하지만, 컴퓨터에 의해 몇 초 만에 수행되는 과정이었습니다.

결과는 이 작은 조정이 엄청난 차이를 만든다는 것을 보여주었습니다. 모델이 단 몇 걸음의 정상적인 보행 데이터만을 사용하여 자신을 개인화했을 때, 예측은 놀라울 정도로 정확해졌습니다. 고관절을 안쪽으로 미는 힘과 앞쪽으로 굽히는 힘에 대해 오차가 크게 줄어들었으며, 예측된 움직임 패턴은 실제 측정값과 높은 정밀도로 일치했습니다. 이러한 정확도는 참가자들이 넓은 보폭으로 걷거나 상체를 기울이는 것과 같은 어려운 과제로 전환했을 때도 유지되었습니다. 시스템은 새로운 보행 스타일마다 다시 훈련될 필요가 없었습니다. 초기 보정만으로도 새로운 상황에 일반화하기에 충분했습니다.

가장 중요한 점은, 이 시스템이 훈련 과정에 참여하지 않은 독립적인 그룹의 사람들에게도 똑같이 잘 작동했다는 것입니다. 이 그룹에는 고관절에 발달상의 문제가 있는 사람들과 고관절염 환자들이 더 많이 포함되어 있었으며, 트레드밀이 아닌 평지를 걸었습니다. 개인화된 모델은 이들의 고관절 힘을 성공적으로 추정해 냈으며, 이는 이 방법이 서로 다른 환경과 서로 다른 유형의 환자들에게도 전이될 수 있음을 입증했습니다. 연구진은 시스템이 평균적인 힘뿐만 아니라 발이 지면에 닿는 순간 발생하는 특정 피크 스트레스와 전체 걸음 동안 축적되는 총 스트레스까지 정확하게 포착할 수 있다는 것을 발견했습니다. 이러한 세부 사항은 의사들에게 매우 중요한데, 어떤 보행 패턴이 해로울 수 있고 어떤 패턴이 관절을 보호하는 데 도움이 될지를 나타내기 때문입니다.

또한 본 연구는 실제로 얼마나 많은 센서가 필요한지도 탐구했습니다. 연구진은 몸통, 골반, 허벅지, 종아리에 센서를 사용하는 것이 정확도와 편안함 사이의 최적의 균형을 제공한다는 것을 발견했습니다. 발에 센서를 추가하는 것은 환자의 부담을 늘리는 것에 비해 결과 개선 효과가 크지 않았습니다. 이는 일상적인 사용을 위한 실용적인 웨어러블 시스템이 복잡한 장비 배열 대신 단 4개의 작은 장치만으로도 충분히 간단할 수 있음을 시사합니다.

이 연구의 함의는 실험실을 넘어 확장됩니다. 정확하고 지속적인 고관절 하중 모니터링을 가능하게 함으로써, 이 기술은 의사들이 더 큰 손상이 발생하기 전에 해로운 보행 습관을 식출하는 데 도움을 줄 수 있습니다. 또한 환자들이 통증을 줄이고 질병의 진행을 늦추기 위해 자신의 보행을 어떻게 조절해야 하는지에 대한 실시간 피드백을 받을 수 있게 할 수 있습니다. 환자들이 매년 받는 정기 검진에서 관절의 정적인 이미지만을 보는 대신, 일상생활 중에 이 센서를 착용하여 자신의 몸이 다양한 활동에 어떻게 반응하는지 확인할 수 있습니다. 연구진은 이 접근 방식이 이론적인 모델이 아닌 실제 데이터를 기반으로 조정되는 개인 맞춤형 재활 계획으로 이어질 수 있다고 제안합니다.

본 연구는 참가자들이 트레드밀과 표시된 바닥 위를 걷는 통제된 조건 하에서 수행되었지만, 평지를 걷는 독립적인 그룹에서도 개인화된 모델이 성공했다는 점은 실제 환경에서의 적용 가능성을 강력하게 시사합니다. 연구진은 향-후 작업에서 완전히 통제되지 않은 환경, 예를 들어 번잡한 거리나 울퉁불퉁한 지형 등에서 시스템을 테스트하고, 초기 보정 단계를 줄이는 방법을 탐구해야 한다고 인정합니다. 그러나 핵심적인 결론은 명확합니다. 웨어러블 센서와 스마트하고 적응력이 뛰어난 컴퓨터 모델을 결합함으로써 인간의 고관절에 작용하는 보이지 않는 힘을 볼 수 있게 되었으며, 이는 우리 시대의 가장 흔하고 쇠약하게 만드는 관절 질환 중 하나를 관리하는 데 있어 새로운 창을 열어준 것입니다.