한 외과의사가 환자 앞에 서서 간에서 종양을 제거하는 임무를 맡고 있다고 상상해 보십시오. 간은 복잡한 3차원 장기이며, 사람마다 제각각인 촘촘한 혈관 네트워크가 가로지르고 있습니다. 안전하게 수술하기 위해서 외과의사는 모든 혈관이 정확히 어디에 있는지, 혈액이 어떻게 흐르는지, 그리고 특정 분지를 절단했을 때 어떤 일이 일s날지를 반드시 알아야 합니다. 전통적으로 외과의사들은 평면적인 2차원 스캔 영상을 응시하며 이 정신적 이미지를 구축해야 했으며, 이는 마치 종이 위에 그려진 일련의 단면들을 보고 산의 형상을 이해하려고 노력하는 것과 같습니다. 이러한 정신적 재구성은 매우 어려우며, 특히 숙련도를 쌓아가는 단계에 있는 이들에게는 더욱 그렇습니다. 이러한 숨겨진 구조물을 시각화하는 데 발생하는 실수는 위험한 출혈이나 불완전한 종양 제거로 이어질 수 있습니다.

수년간 의료계는 이 보이지 않는 구조물들을 가시적이고 만질 수 있는 형태로 만드는 방법을 모색해 왔습니다. 목표는 정적인 이미지를 넘어, 외과의사가 환자의 해부학적 구조 주위를 걸어 다니고, 실시간으로 혈류를 확인하며, 단 한 번의 절개를 하기 전에 다양한 수술적 접근 방식을 테스트할 수 있는 공간으로 나아가는 것입니다. 이것이 바로 물리적 세계와 디지털 정보를 결합하여 몰입형 3차원 환경을 조성하는 기술인 확장 현실(Extended Reality)이 약속하는 바입니다. 초기 도구들은 3D 모델을 제공하기도 했지만, 혈액이 혈관을 통해 실제로 어떻게 이동하는지 보여주거나 수술적 절개의 생리학적 결과를 시뮬레이션하는 능력은 부족했습니다. 중국 주장 병원(Zhujiang Hospital)의 새로운 연구는 이러한 격차를 메우기 위해 설계된 시스템을 소개하며, 초보 외과의들이 이러한 복잡한 절차를 계획하는 법을 배우는 방식을 변화시키고자 합니다.

연구진은 환자의 간을 고해외상 3D 모델과 혈류 시뮬레이션을 결합한 다중 모드 시스템인 'LiverXR-Plan'이라는 플랫폼을 개발했습니다. 과정은 표준 의료 스캔에서 시작되며, 시스템은 이를 상세하고 상호작용 가능한 3D 모델로 변환합니다. 기존 도구들과 달리, 이 시스템은 또한 혈액이 간의 혈관을 통해 어떻게 이동하는지 계산하여 속도와 압력을 실시간으로 시각화합니다. 외과의사는 헤드셋을 착용하여 이 가상 공간에 진입할 수 있으며, 손동작과 음성 명령을 사용하여 간을 회전시키고, 내부를 보기 위해 절개하며, 심지어 혈관을 차단하는 상황을 시뮬레이션하여 나머지 장기가 어떻게 반응하는지 확인할 수 있습니다. 이 시스템은 사용자가 물리적 물체를 다루듯 자연스럽게 해부학적 구조를 조작할 수 있도록 직관적으로 구축되었으며, 그 이면의 소프트웨어는 혈류 데이터의 정확성을 보장하기 위해 복잡한 계산을 수행합니다.

이 기술이 실제로 도움이 되는지 테스트하기 위해 연구팀은 두 그룹의 참가자를 초대했습니다: 52명의 의대생과 47명의 전공의입니다. 이들은 서로 다른 두 가지 방법을 사용하여 간 수술을 위한 수술 전 계획을 수행하도록 요청받았습니다. 첫째, 전통적인 방식인 평면적인 2차원 스캔을 공부하는 방식입니다. 그다음, 새로운 LiverXR-Plan 시스템을 사용했습니다. 연구진은 계획 과제를 완료하는 데 걸린 시간, 종양과 혈관의 위치를 식별하는 정확도, 그리고 과정이 얼마나 정신적으로 부담스러웠는지를 측정했습니다. 또한 참가자들에게 시스템의 만족도와 교육 및 환자와의 소통에 대한 유용성을 평가하도록 했습니다.

결과는 새로운 시스템을 사용했을 때 성능의 극적인 변화를 보여주었습니다. 의대생들의 경우, 계획 과제 완료에 소요되는 시간이 평균 37.24분에서 단 17.33분으로 줄어들어 절반 이상 단축되었습니다. 전공의들 역시 31.61분에서 18.37분으로 계획 시간이 단축되는 유사한 개선을 보였습니다. 아마도 더 중요한 점은, 3D 시스템을 사용했을 때 두 그룹 모두에서 해부학적 식별 정확도가 100%로 향상되었다는 것입니다 (전통적인 2D 스캔을 이용했을 때는 학생 32.69%, 전공의 74.47%에 불과했습니다). 또한 시스템은 이들이 더 나은 수술 전략을 선택하도록 도왔으며, 두 그룹 모두에서 계획의 정확도가 크게 상승했습니다.

가장 놀라운 발견 중 하나는 이 기술이 경험이 적은 학생과 경험이 많은 전공의 사이의 격차를 어떻게 줄였는가 하는 점이었습니다. 전통적인 워크플로우에서는 전공의들이 학생들보다 훨씬 빠르고 정확했습니다. 그러나 LiverXR-Plan 시스템을 사용할 때는 두 그룹 간의 성능 차이가 거의 사라졌습니다. 학생들은 전공의들과 거의 동일한 속도와 정밀도로 작업할 수 있었는데, 이는 몰입형 환경이 초보자들이 표준 도구를 사용할 때보다 훨씬 높은 수준에서 수행할 수 있도록 돕는 지지대 역할을 한다는 것을 시사합니다. 또한 시스템은 혈류를 시각화하는 데 효과적이었으며, 이를 통해 사용자가 혈관을 절단했을 때 위험한 울혈(congestion)이나 허혈(ischemia, 조직에 산소가 공급되지 않는 상태)을 유발할 수 있는 구역과 같은 잠재적 위험을 식별할 수 있도록 도왔습니다.

속도와 정확성을 넘어, 참가자들은 이 시스템이 정신적 업무 부하를 줄여준다고 보고했습니다. 2D 단면으로부터 3D 구조를 정신적으로 재구성하는 전통적인 방식은 인지적으로 매우 소모적인 것으로 묘사된 반면, 몰입형 환경은 더 자연스럽고 덜 힘들게 느껴졌습니다. 혈류와 압력 변화를 실시간으로 볼 수 있는 능력은 훈련생들이 보이지 않는 문제를 예측할 수 있게 하여, 추상적인 위험을 구체적인 시각 데이터로 바꾸어 놓았습니다. 인터뷰에서 이 시스템을 사용하여 생성된 수술 계획은 숙련된 전문가들이 선택한 전략과 90% 이상의 사례에서 일치하였으며, 이는 이 도구가 초보자들이 숙련된 외과의처럼 생각하도록 돕는다는 것을 나타냅니다.

본 연구는 이러한 유형의 기술이 데이터 기반의 외과 교육을 향한 중요한 진전임을 결론짓습니다. 상세한 해부학적 모델과 기능적 혈류 시뮬레이션을 통합함으로써, 이 시스템은 미숙함과 전문성 사이의 간극을 메우는 데 도움을 줍니다. 이는 외과 수술 훈련의 미래가 단순히 수년간의 경험 축적에 의존하는 것이 아니라, 외과의가 위험 없는 환경에서 기술을 연습하고 완성할 수 있도록 하는 표준화되고 상호작용 가능한 학습 환경에 달려 있을 수 있음을 시사합니다. 비록 이 연구가 단일 센터의 특정 집단을 대상으로 수행되었으나, 결과는 확장 현실이 복잡한 수술 계획과 교육 방식을 근본적으로 어떻게 변화시킬 수 있는지에 대한 설득력 있는 통찰을 제공하며, 고도의 의사결정을 더 넓은 범위의 의료 전문가들이 접근 가능하게 만들 수 있음을 보여줍니다.