Characterizing Objective Performance Indicators with Force Feedback to Predict Clinical Outcomes in Robot-Assisted Radical Prostatectomy Using a Machine Learning-Enabled Analytics Application

현대 의학의 수술실에서는 새로운 약물이나 더 날카로운 메스가 아니라, 기계 내부에 숨겨진 데이터에 의해 조용한 혁명이 일어나고 있습니다. 수년간 외과의들은 수술이 얼마나 잘 진행되었는지를 판단하기 위해 자신의 눈과 손에 의존해 왔으며, 환자가 완전히 회복되는 것을 확인하기 위해 종종 몇 주 또는 몇 달을 기다려야 했습니다. 하지만 로봇 수술 시스템은 정교한 데이터 수집기로 진화하여, 외과의가 수행하는 모든 움직임을 미세한 정밀도로 기록하고 있습니다. 이 기계들은 도구가 얼마나 빨리 움직이는지, 조직을 절개하는 데 에-너지가 얼마나 사용되는지, 심지어 섬세한 구조물에 가해지는 정확한 압력의 양까지 추적합니다. '객관적 수행 측정(objective performance measurement)'이라고 알려진 이 분야는 이러한 보이지 않는 숫자의 흐름을 외과적 기술의 명확한 그림으로 바꾸고자 합니다. 궁극적인 목표는 단순하면서도 심오합니다. 즉, 어떤 특정한 동작이 환자를 단순히 수술에서 살아남게 하는 것을 넘어, 완전한 기능을 가진 상태로 깨어나게 하는지를 이해하는 것입니다.

해켄색 대학 의료 센터(Hackensack University Medical Center)와 인튜이티브 서지컬(Intuitive Surgical)의 연구팀은 비뇨기과에서 가장 섬세한 절차 중 하나인 전립선 제거술을 통해 이 연결 고리를 탐구하고자 했습니다. 이 수술은 '근치적 전립선 절제술(radical prostatectomy)'로 알려져 있으며, 이는 매우 정교한 균형 잡기가 필요한 작업입니다. 외과의는 암이 있는 장기를 제거하면서 동시에 발기 기능을 담당하는 미세한 신경과 방광 기능을 조절하는 근육을 보존해야 합니다. 만약 외과의가 너무 거칠게 다룬다면, 환자는 성 기능을 상실하거나 요실금을 겪을 수 있습니다. 반면 기술이 정밀하고 부드럽다면 회복은 신속하게 이루어집니다. 연구진은 로봇의 내부 센서가 환자가 병원을 떠나기도 전에 이러한 결과를 예측할 수 있는지 알고 싶었습니다. 그들은 최근까지 거의 접근할 수 없었던 특정 유형의 데이터, 즉 '힘 피드백(force feedback)'에 집중했습니다. 이것은 로봇 시스템이 외과의가 조직에 가하는 실제 압력을 측정하여, 외과의의 촉감을 정량화된 숫자로 변환하는 능력입니다.

답을 찾기 위해 연구팀은 이러한 힘 감지 도구가 장착된 최신 다빈치(da Vinci) 로봇 시스템을 사용하여 수술을 받은 환자들의 기록을 검토했습니다. 그들은 성 기능 회복를 연구하기 위해 50명의 남성 데이터를, 배뇨 조절 회복를 연구하기 위해 36명의 남성 데이터를 수집했습니다. 연구진은 단순히 최종 결과만을 본 것이 아니라, 혈관을 절개하거나 방광을 다시 봉합하는 것과 같은 수술의 개별 단계로 과정을 세분화했습니다. 그런 다음 컴퓨터 프로그램을 사용하여 로봇의 데이터를 분석하며, 특정 움직임과 특정 결과 사이의 연관성을 찾는 패턴을 추적했습니다. 컴퓨터는 외과의가 손을 얼마나 효율적으로 움직였는지, 조직을 절개하는 데 얼마나 많은 전기 에너지가 사용되었는지, 그리고 로봇 팔에 가해진 힘이 어느 정도인지를 조사했습니다. 이 숫자들을 이해하기 위해 연구팀은 또한 수술 영상을 시청하며 데이터 지점을 실제 화면에서 일어나는 현상과 일치시켰습니다.

연구 결과, 로봇의 데이터는 환자가 얼마나 잘 회복될지를 실제로 예측할 수 있음이 밝혀졌으나, 이 예측의 강도는 결과의 종류에 따라 차이가 있었습니다. 성 기능 회복의 경우, 데이터는 상당히 많은 것을 말해주었습니다. 분석 결과, 가장 결정적인 순간은 외과의가 혈관과 전립선 뒤쪽의 조직 평면을 박리할 때 발생했습니다. 회복이 잘 된 사례에서 외과의들은 도구를 더 효율적으로 움직였으며, 더 짧고 직접적인 경로를 취했습니다. 그들은 조직을 절개하는 데 적은 전기 에너지를 사용했고, 무엇보다도 더 적은 힘을 가했습니다. 데이터에 따르면, 기능을 되찾은 환자들의 경우 로봇 팔이 조직을 고정하고 있을 때 압력의 정점(peak)을 피하는 외과의들이 있었습니다. 반면, 회복이 좋지 않은 환자들의 경우 외과의들이 더 높은 힘을 가했으며, 때로는 아주 짧은 순간이라도 조직을 너무 꽉 쥐는 모습을 보였습니다. 연구진은 단순히 평균적으로 부드럽게 다루는 것이 중요한 것이 아니라, 섬세한 신경을 손상시킬 수 있는 갑작스럽고 날카로운 압력의 급증을 피하는 것이 핵심이라는 점을 발견했습니다.

배뇨 조절의 경우에는 이야기가 약간 달랐습니다. 이 결과를 예측하는 것은 컴퓨터 모델에게 더 어려웠는데, 이는 방광 회복이 특정 지점에 가해지는 압력보다 훨씬 더 다양한 요인에 의존함을 시사합니다. 그러나 데이터는 여전히 명확한 패턴을 가리키고 있었습니다. 방광 회복을 위한 가장 중요한 단계는 방광과 요도 사이의 연결을 재건하는 것과 전립선 끝부분의 조직을 박리하는 것이었습니다. 성공적인 사례에서 외과의들은 도구를 더 집중력 있고 통제된 방식으로 움직였습니다. 그들은 손을 사용하는 공간을 더 적게 차지했는데, 이는 더 의도적이고 절제된 기술을 의미합니다. 또한 카메라를 덜 움직여 시야를 안정적으로 유지했으며, 비주로 손(non-dominant hand)을 더 아껴서 사용했습니다. 연구진은 힘이 성 기능보다 방광 회복에 덜 결정적이었을지라도, 전반적인 주제는 동일하다고 언급했습니다. 즉, 효율성과 정밀함이 핵심이었습니다. 잘 회복된 외과의들은 움직임이나 에너지를 낭비하지 않았으며, 주변 조직을 보호하는 듯한 경제적인 움직임으로 작업했습니다.

이 숫자들이 진실을 말하고 있는지 확인하기 위해, 연구진은 가장 좋은 결과와 가장 나쁜 결과를 보인 수술 영상들을 시청했습니다. 그들은 데이터가 외과의들이 자신의 눈으로 보는 것과 일치한다는 것을 발견했습니다. 어려운 사례의 경우, 영상에는 염증이 생긴 조직과 불분명한 경계가 나타났으며, 이로 인해 외과의는 올바른 절개면을 찾기 위해 더 강하게 잡아당기고 더 많은 에너지를 사용해야 했습니다. 데이터는 높은 힘 수치와 더 긴 도구 경로를 통해 이러한 고충을 반영했습니다. 매끄러운 사례의 경우, 영상은 명확한 해부학적 구조를 보여주었으며, 이를 통해 외과의가 자신감 있고 부드럽게 움직일 수 있었습니다. 힘 센서는 심지 even 외과의 스스로도 놓쳤을 수 있는 순간, 예를 들어 데이터가 위험 요소로 표시한 조직에 대한 짧고 과도한 당김 등을 포착해 냈습니다. 이러한 영상과 숫자의 결합은 수술을 이해하는 새로운 방법을 만들어냈으며, 추상적인 지표를 기술에 관한 명확한 서사로 바꾸어 놓았습니다.

연구진은 수술의 특정 단계와 그 과정에서 가해진 힘을 살펴봄으로써, 어떤 행동이 더 나은 회복으로 이어지는지를 식별할 수 있다고 결론지었습니다. 그들은 개선된 결과가 움직임의 효율성 증대, 전기 에너지 사용 감소, 그리고 조직에 가해지는 최대 힘의 감소와 관련이 있음을 발견했습니다. 비록 이 연구가 파일럿 연구였고 표본 크기가 작았지만, 결과는 강력한 교육 및 피드백 도구가 될 수 있음을 시사합니다. 외과의에게 자신의 기술이 신체에 불필요한 스트레스를 주는 지점이 어디인지 정확히 보여줌으로써, 이 접근 방식은 기술을 연마할 수 있는 길을 제시합니다. 이 연구는 수술 회복 문제를 해결했다고 주장하는 것이 아니라, 데이터가 그곳에 존재하며 읽히기를 기다리고 있고, 환자가 더 잘 치유되도록 돕는 조용하고 객관적인 가이드가 될 수 있음을 보여줍니다.