배경: 뇌졸중 환자의 보행 기능 평가와 중증도 분류 평가는 재활 목표 및 운동 수준을 결정하는 데 중요하다. 의사들은 종종 육안으로 보는 보행 분석, 비디오 영상 또는 표준화된 평가 도구를 통해 환자의 보행 능력을 질적으로 평가한다. 관찰에 기반한 보행 평가는 의사의 경험적 판단에 의존하여 주관적인 견해가 개입될 수 있다. 따라서 보다 객관적인 판단의 근거를 마련하기 위한 연구를 수행하는 것이 중요하다. 목적: 뇌졸중 환자의 보행 이미지 데이터를 Functional Ambulation Category(FAC) 척도에 따라 분류하는 딥러닝 모델을 검증하고자 한다. 방법: 6개 의료기관에서 모집한 203명의 뇌졸중 환자와 182명의 건강한 피험자의 보행 시각 데이터를 수집하여 뇌졸중 환자의 보행 중증도를 분류하기 위한 딥러닝 모델을 훈련하였다. 기록된 비디오는 OpenPose를 사용하여 처리하였다. 데이터셋은 무작위로 80%는 훈련, 20%는 테스트로 분할하였다. 결과: 딥러닝 모델은 훈련 정확도 0.981, 테스트 정확도 0.903을 달성하였다. 경증, 중등증, 중증 뇌졸중 집단을 각각 구분하는 AUC 값은 0.93, 0.95, 0.96이었다. 결론: 이는 시각 데이터에 기반한 인체 자세 추정을 활용하여 보행 파라미터 모델을 개발하는 것뿐만 아니라, 의사가 사용하는 FAC 기준에 따라 중증도를 분류하는 모델을 개발할 가능성을 확인해준다. AI 기반 중증도 분류 모델을 개발하기 위해서는 대량의 다양한 데이터가 필요하며, 실험실이 아닌 비표준화된 실제 환경에서 수집된 데이터도 의미 있게 활용될 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.