게시일: 2026년 2월 5일
물리치료 관행에는 근본적인 참여 문제가 있습니다. 근골격계 치료에서 가장 효과적이고 많이 처방되는 치료 중 하나임에도 불구하고 의뢰된 환자의 25~35% 만이 치료를 시작하고 30% 만이 치료를 완료합니다.
많은 사람들에게 장벽은 긴 대기 시간, 위치 제약, 일정 충돌, 반복되는 자기 부담금과 같은 실질적인 문제입니다. 다른 사용자에게는 접근성 문제가 있습니다. 원격 의료가 보편화되었지만 기술적 역량이 낮은 사람에게는 어려울 수 있습니다.
LainaHealth는 물리 치료의 접근성과 비용 효율성을 높이기 위해 구축된 디지털 근골격계 (MSK) 플랫폼을 사용하는 가상 물리 치료 제공업체입니다. 공인 치료사와 라이브 인공지능 내비게이션 어시스턴트 (Laina)를 결합합니다. 공인 물리치료사의 지시에 따라 Laina는 맞춤 모델을 학습시키고 웹에 배포하여 지능형 자동화를 제공합니다. 이 모델은 실시간 동작 분석, 맞춤 운동 진행, 대화형 지원을 제공합니다.
과제: 모두를 위한 앱
허용되는 솔루션은 광범위한 인구를 효과적으로 처리해야 하므로 기기에 구애받지 않고, 원활하며, 액세스 가능해야 했습니다. 앱 다운로드 없이 누구나 원활하게 사용할 수 있는 플랫폼을 구축하기 위해 노력했습니다. 미국에 기반을 둔 회사이고 물리 치료는 의료 서비스이므로 애플리케이션이 의료 등급이고 HIPAA를 준수해야 했습니다.
2020년 이전에는 대부분의 디지털 솔루션에 전용 하드웨어나 앱 설치가 필요하여 환자에게 큰 불편을 초래했습니다. 추가 외부 기기 (예: 태블릿)를 사용하는 프로토타입을 제작했는데, 이로 인해 배송 지연, 네트워크 설정 문제, 추가 비용이 발생했습니다. 이러한 요인으로 인해 솔루션을 확장하는 것이 거의 불가능했습니다.
웹에서 애플리케이션을 빌드하면 환자 참여도와 치료 결과를 개선할 수 있다는 가설을 세웠습니다. 다운로드도 없고 기술 설정도 없다면 장벽이 훨씬 적을 것입니다.
이 애플리케이션은 특수 센서나 하드웨어 없이 머신러닝 (ML)을 사용하면서도 실시간 동작 분석을 제공하는 FDA 클래스 II 웹 앱으로 분류될 수 있습니다. 개인 정보 보호를 보장하기 위해 Google은 온디바이스 추론과 안전한 토큰화된 링크가 필요하다는 것을 알고 있었습니다. Google은 환자의 의료 서비스 이용 용이성, 환자 참여도 증가, 치료 과정 또는 에피소드당 비용 감소를 기준으로 성공을 측정하기로 했습니다.
맞춤형 치료 지원을 위한 머신러닝
아이디어의 실현 가능성을 평가하기 위해 PoseNet 모델을 사용하여 개념 증명을 만들었습니다. 초기 결과는 고무적이었지만 모델의 전반적인 정확도와 속도가 출시하기에 충분하지 않았습니다. 그런 다음 TensorFlow.js의 자세 감지 API인 MoveNet 모델을 사용해 보았습니다. 속도와 정확도는 향상되었지만 전용 하드웨어용으로 설계된 모델과 동일한 충실도를 달성하지는 못했습니다.
이러한 장애물을 극복하기 위해 Google과 협력하여 근골격계 재활에 맞게 특별히 최적화된 MoveNet의 하위 클래스를 미세 조정했습니다. 이 하위 클래스 모델을 학습시키기 위해 수 시간의 임상 움직임 데이터를 기록하고 주석을 달았으며, 그 결과 분석을 통해 MoveNet의 기능을 관절 위치 이상으로 확장할 수 있었습니다. MoveNet은 근골격계 치료에 중요한 동작 패턴과 보상을 인식했습니다.
HIPAA 규정 준수 및 환자 개인 정보 보호를 위해 모델이 브라우저에서 추론을 실행해야 했습니다. 이를 통해 진단 및 치료 중인 질환과 같은 보호 건강 정보가 서드 파티 모델이나 외부 제공업체와 공유되지 않습니다.
따라서 TensorFlow.js에서 맞춤 모델을 변환했습니다. 마지막으로 기기 전반에서 실시간 추론 속도와 최소 로드 시간을 유지하는 데 중점을 둔 몇 가지 다른 성능 최적화 작업을 구현했습니다.
2021년의 첫 번째 배포를 통해 이 개념이 가능함을 입증했지만 애플리케이션은 기기에 구애받지 않았습니다. 처리에는 여전히 특정 Apple 기기가 사용되었습니다. 모델이 많이 발전했지만 특정 신체 위치, 발목 추적, 3D 공간에서의 신체 회전에는 여전히 어려움이 있었습니다.
사용자를 대상으로 테스트한 결과, 환자가 모션 왜곡과 지연을 감지하면 환경에 대한 신뢰도가 감소하는 것으로 나타났습니다. 동영상 출력이 초당 20프레임 미만으로 떨어지면 사용자가 이를 인식하기 시작합니다.
Google에서는 전체 모델 로드를 줄이고 함께 작동하는 여러 개의 작은 모델을 도입하여 이러한 문제를 해결했습니다. 각 소형 모델은 특정 신체 영역과 방향에 맞게 조정되었습니다. 2023년 말까지 Google은 전문 센서 없이도 동작 속도와 동작 범위를 측정할 수 있는 기기 근처 정확도를 달성하는 브라우저 기반 모델을 개발했습니다. 그 이후로 단일 보안 웹 링크를 통해 의료 등급 동작 분석을 제공할 수 있습니다.
설치나 다운로드 없이 의료 등급의 물리치료를 온라인으로 제공합니다.
참여도 확장 및 비용 절감
LainaHealth와 자세 추정 시스템을 웹으로 이전하여 45개 주에서 가상 물리 치료를 확장하고, 환자 참여도를 개선하고, 비용을 절감했습니다.
74 %
환자 비용 감소
2 x
환자 등록 및 완료율
4 x
물리치료 참여
- 기존 물리 치료에 비해 환자 등록률이 2배, 완료율이 2배, 참여도가 4배 더 높습니다.
- 완료된 에피소드당 평균 방문수는 34회로, 표준 대면 진료의 8회에 비해 높습니다.
- 효율성과 확장성을 개선하여 에피소드당 비용을 74% 절감했습니다.
- 웹 AI로 추적되는 객관적인 순응도와 기능 개선을 통해 검증된 임상 결과
또한 LainaHealth의 웹 앱은 12세부터 99세까지의 환자를 대상으로 서비스를 제공하여 Google의 웹 AI 기반 접근 방식이 다양한 인구와 기술적 능력에 적용될 수 있음을 보여줍니다.
결론 및 권장사항
물리 치료는 오랫동안 실질적인 접근성 문제가 있었습니다. 시간, 거리, 비용으로 인해 환자가 세션에 참석하기 어려웠습니다. 웹 AI와 면허를 취득한 물리 치료사를 결합하여 이러한 장벽을 크게 줄이고 집에서 편안하게 회복할 수 있도록 했습니다.
환자가 원하는 삶으로 돌아갈 수 있도록 더 높은 접근성, 더 낮은 비용, 더 빠른 회복을 제공하는 모델과 애플리케이션을 설계했습니다. 지능형 브라우저 기반 AI는 인간의 관리를 대체하는 것이 아니라 강화하여 근골격계 건강에 대한 보다 개인화되고 확장 가능하며 효과적인 접근 방식을 지원할 수 있습니다.