수술실 준비를 바꾸는 자동화의 손길, 로봇이 조립하는 멸균 트레이

초록

수술 간 멸균 처리 부서(SPD)의 수동적이고 오류가 발생하기 쉬운 기구 트레이 조립 공정을 자동화하는 로봇 시스템을 제안한다. YOLO12와 ResNet 기반의 하이브리드 인식 시스템으로 31종의 수술 기구를 식별하고, 맞춤형 전자석 그리퍼를 장착한 6축 로봇 암이 규칙 기반 패킹 알고리즘에 따라 기구를 분류 및 배열한다. 3D 프린팅된 분리대와 홀더를 사용해 기구 간 충돌을 물리적으로 방지하며, 실험 결과 인간 수작업 대비 충돌을 유의미하게 감소시켰다. 이는 SPD 업무 전반의 자동화를 위한 확장 가능한 첫 걸음이다.

상세 분석

본 논문이 제안하는 시스템의 기술적 핵심은 크게 세 가지로 나뉜다. 첫째는 고성능 하이브리드 인식 파이프라인이다. 기존 YOLO 모델만으로는 미세한 기하학적 차이(예: 직형 vs 곡형 모기 포셉)를 구분하는 데 한계가 있어, YOLO12를 통한 실시간 탐지와 SAM을 이용한 마스크 추출 및 자세 추정, 그리고 Part-Aware ResNet-18 기반의 세분화된 분류 모델을 캐스케이드 방식으로 결합했다. 특히 분류 모델은 기구의 머리, 몸통, 꼬리 부분을 별도의 ResNet 백본으로 특징 추출한 후 메타데이터(로그 정규화된 기구 길이/폭)와 결합하는 방식을 채택해, 소량의 데이터로도 유사한 기구 간 높은 분별력을 달성했다는 점이 혁신적이다.

둘째는 실용성과 신뢰성을 고려한 로봇 조작 시스템이다. 병원 환경에서 검증된 Stäubli TX2-60L 로봇 암을 사용했으며, 핵심은 맞춤형 듀얼 전자석 그리퍼다. 이 그리퍼는 L298N H-브리지로 제어되며, 탈자 기능을 구현해 기구에 잔류 자장의 영향을 최소화했다. 또한 그리퍼는 3D 프린팅된 분리대와 홀더를 직접 집어 올려 트레이에 배치할 수 있도록 설계되어, 패킹 과정 전체를 단일 로봇이 수행 가능하게 했다.

셋째는 현장 지식을 반영한 지능형 패킹 알고리즘이다. 단순한 공간 채우기가 아닌, SPD 기술자의 작업 관행(기구 유형별 그룹화, 길이 순 배열 등)을 인터뷰를 통해 공식화한 ‘제약 조건 기반 공간 할당 문제’로 접근했다. 알고리즘은 O(n)의 복잡도로 작동하며, 기구 그룹마다 분리대를 배치하고, 링 타입 기구는 기존 실끈 대신 특수 홀더에 고정하는 방식을 도입했다. 이 홀더는 비틀림 스프링 래치로 일방통행 게이트 역할을 하여 기구가 빠지지 않으면서도, 수술실 간호사가 트레이에서 꺼낼 때는 옆으로 기울여 기존의 클로스 배치 방식과 동일한 접근성을 제공하는 실용적 디자인이 특징이다.

종합적으로, 이 연구는 컴퓨터 비전, 로봇공학, 알고리즘 설계를 깊이 있게 통합하면서도, 최종 사용자인 SPD 기술자와 수술실 간호사의 실제 워크플로우와 요구사항을 세심히 반영한 Human-in-the-Loop 자동화 시스템의 모범 사례를 제시한다. 높은 인식 정확도와 충돌 감소 효과는 실험을 통해 입증되었으며, 이 시스템은 병원 내 물류 자동화, 인벤토리 관리, 그리고 궁극적으로 수술 준비의 안전성과 표준화를 높이는 확장 가능한 플랫폼의 초석이 될 수 있다.