이 연구 주제는 욕창, 만성상처, 당뇨발, 하지궤양 등 다양한 피부·연조직 손상 상태를 간호학적 관점에서 체계적으로 사정하고, 예방·치료·교육을 통합하는 임상실무를 고도화하는 데 초점을 둔다. 연구실은 성인간호와 지역간호의 접점에서 고위험 환자의 피부 상태 변화, 압력 손상 발생 기전, 환자 안전과 삶의 질에 미치는 영향을 종합적으로 다루며, 특히 고령자, 중환자, 거동 제한 환자와 같은 취약집단의 상처관리 문제를 중점적으로 연구한다. 구체적으로는 욕창 발생과 관련된 인터페이스 압력, 지지면의 종류, 드레싱 재료, 피부 사정 방법, 치유 경과 평가도구 활용 등을 바탕으로 실제 임상에서 적용 가능한 근거를 축적한다. 표준 병원 매트리스와 폴리우레탄 폼 매트리스에 따른 압력 차이와 절단값을 제시한 연구는 예방 간호의 정밀도를 높이는 대표적 사례이며, 욕창간호·유치도뇨·낙상관리·격리지침 등 다수의 근거기반 임상간호실무지침 개발 경험은 연구실의 실천 중심 성격을 잘 보여준다. 또한 창상감염, 드레싱제 선택, 재활 및 발관리와 같은 세부 주제를 포괄하여 상처관리 전 주기를 다루고 있다. 이 연구는 단순히 특정 상처를 치료하는 수준을 넘어, 임상현장에서 반복 가능하고 표준화된 간호중재를 확립하는 데 큰 의미가 있다. 환자별 위험도에 따른 맞춤 예방전략, 치유 촉진을 위한 드레싱 및 교육 개입, 병동과 지역사회 간 연속 간호체계 구축은 의료의 질 향상과 의료비 절감에 직접 기여할 수 있다. 향후에는 상처 데이터의 정량화와 디지털화, 실무지침의 지속적 업데이트, 지역사회 기반 재택 상처관리 모델 개발로 연구 범위가 더욱 확장될 가능성이 크다.

이 연구 주제는 상처와 욕창 관리 영역에 인공지능 기술을 도입하여 진단 보조, 교육 콘텐츠 제공, 소비자 질의응답, 임상 의사결정 지원을 구현하는 융합 연구이다. 연구실은 전통적인 간호학 연구를 기반으로 하면서도, 딥러닝, 챗봇, 대규모언어모델, 검색증강생성(RAG)과 같은 최신 AI 기술을 활용해 의료 현장과 지역사회에서 활용 가능한 디지털 간호 지원체계를 구축하고자 한다. 이는 전문 인력 접근성이 제한된 환경에서도 초기 평가와 정보 제공을 가능하게 한다는 점에서 실용성이 높다. 연구실의 최근 성과는 욕창 이미지 진단 정확도 향상을 위한 실제 데이터와 합성 데이터의 결합, 피부질환 데이터 부족 문제를 해결하기 위한 확산모델 기반 증강, 소비자 인식 분석을 위한 텍스트마이닝 및 의미연결망 분석 등으로 나타난다. 특히 합성 의료영상 생성 기술을 이용해 클래스 불균형과 소규모 데이터셋 문제를 완화하고, 욕창 단계 판별 및 피부질환 분류 성능을 높이려는 시도는 의료 AI의 실제 적용 가능성을 높인다. 또한 소비자들이 욕창을 어떻게 인식하고 어떤 질문을 하는지를 빅데이터로 분석하여 챗봇 시나리오와 교육 콘텐츠 설계에 반영하는 접근은 기술 중심이 아니라 사용자 중심의 AI 구현이라는 점에서 의미가 크다. 향후 이 연구는 단순 분류 모델을 넘어, 상처 이미지 분석과 전문지식 데이터베이스, 환자 맞춤형 설명 생성 기능이 통합된 AI 에이전트로 발전할 수 있다. LLM-RAG 기반 솔루션은 임상가와 환자 모두에게 설명 가능하고 접근성 높은 정보를 제공하며, 상처 관리의 표준화와 교육 격차 해소에도 기여할 수 있다. 다만 의료 AI의 신뢰성, 데이터 품질, 윤리성, 임상 검증의 중요성이 큰 만큼, 연구실은 간호학적 전문성과 공학적 방법론을 결합해 안전하고 현장친화적인 디지털 헬스케어 모델을 구축하는 방향으로 연구를 심화할 것으로 보인다.