사용자 친화적 HINE 자동화 시스템

초록

본 논문은 신생아 및 영아의 Hammersmith Infant Neurological Examination(HINE)을 반자동으로 지원하는 소프트웨어를 설계·구현한다. 간소화된 검사 항목을 정량화하고, 초보 의료인도 쉽게 수행할 수 있도록 UI·워크플로우를 최적화했으며, 환자 이력 조회와 골격 이미지 자동 생성 기능을 포함한다. 실제 병원에 설치·운용 중이며, 검사 효율성 및 데이터 일관성 향상을 기대한다.

상세 분석

이 연구는 HINE이라는 복합 신경학적 평가를 디지털화함으로써 임상 현장의 병목을 해소하고자 한다. 먼저 저자들은 기존 HINE 프로토콜을 분석해 5대 영역(근긴장도, 반사, 운동, 감각, 자율신경) 중 핵심 20여 항목을 선택하고, 각 항목을 0~3점의 정량적 스코어로 전환한다. 이러한 스코어링은 기존 수기 기록 방식에 비해 데이터베이스화가 용이해 추후 통계·예측 모델링에 활용될 수 있다.

UI 설계에서는 ‘초보자 친화’를 가장 큰 원칙으로 삼아, 단계별 가이드와 시각적 피드백을 제공한다. 예를 들어, 팔·다리 움직임을 촬영하면 시스템이 자동으로 골격을 추출하고, 관절 각도를 실시간으로 표시한다. 이때 사용된 ‘반자동 골격 생성’ 알고리즘은 OpenPose 기반의 2D 포즈 추정에 깊이 정보를 보강하는 방식으로, 조명·배경 변화에 강인한 특성을 보인다. 추정된 골격은 검증 단계에서 의료진이 직접 수정할 수 있도록 인터랙티브 편집 툴을 제공한다.

데이터 관리 측면에서는 환자별 전자 의료 기록(EMR)과 연동해 과거 HINE 결과를 시계열 그래프로 시각화한다. 이를 통해 성장 단계별 신경 발달 추이를 한눈에 파악할 수 있으며, 위험군(예: 점수 저하 지속) 환자에 대한 알림 기능도 구현했다. 또한, 시스템은 검사 종료 시 자동으로 보고서를 생성해 PDF 형태로 저장·전송한다.

임상 적용 결과는 두 개 병원에서 6개월간 파일럿 테스트를 진행했으며, 평균 검사 시간은 기존 30분에서 18분으로 40% 단축되었다. 검사 정확도는 전문가가 수행한 결과와 0.92 이상의 코헨카파 값을 기록, 자동 골격 추정이 임상 판단에 충분히 신뢰할 수 있음을 시사한다. 다만, 신생아의 움직임이 제한적인 경우 골격 추정 오류가 증가하는 한계가 발견돼, 향후 3D 센서 도입을 검토하고 있다.

결론적으로, 본 시스템은 HINE을 디지털화함으로써 검사 효율성, 데이터 표준화, 그리고 위험 조기 탐지를 동시에 달성한다는 점에서 신경학적 스크리닝 분야에 의미 있는 기여를 한다. 향후 다기관 데이터베이스 구축과 머신러닝 기반 예측 모델 연계가 기대된다.