스마트 환자 모니터링 시스템: AI 기반 다중 환자 실시간 심전도 분석의 혁신
스마트 환자 모니터링 시스템: AI 기반 다중 환자 실시간 심전도 분석의 혁신
doi:10.9718/JBER.2025.46.2.117
서론
최근 인공지능(AI)과 웨어러블 기술의 융합은 의료 산업에 거대한 변화를 일으키고 있습니다. 특히 심혈관 질환의 조기 발견과 예방을 위한 심전도(ECG) 모니터링 시스템은 환자의 생존율을 획기적으로 높이는 핵심 기술로 부상하고 있습니다. 본 칼럼에서는 국내 기업인 씨어스테크놀로지가 개발한 "AI 기반 실시간 스마트 환자 모니터링 시스템"을 중심으로, 해당 시스템의 구조, 기술적 구현, 임상적 성능, 그리고 실시간 처리 성능에 대해 구글 SEO 최적화 키워드와 함께 심도 있게 살펴봅니다.
시스템 개요
씨어스테크놀로지의 시스템은 **웨어러블 심전도 센서(mobiCARE-MC200)**와 게이트웨이(MGW1000), 그리고 중앙 서버 알고리즘으로 구성되어 있으며, 총 4단계로 구동됩니다:
데이터 획득: ECG 데이터를 256Hz로 수집.
데이터 전송: Bluetooth Low Energy와 Wi-Fi 또는 Ethernet으로 서버에 전송.
중앙 처리: 병렬 딥러닝 알고리즘으로 ECG 분석.
모니터링: 웹 기반 GUI를 통해 실시간 확인.
 |
| Fig. 1. System Architecture for a real-time inpatient monitoring system |
알고리즘 아키텍처
자기 스케줄링 기반 병렬 처리
독립된 3개의 하위 모듈: Segmentation, Feature Extraction, Arrhythmia Detection
실시간으로 IMDB에서 분석 가능한 데이터만을 탐색하여 동기화 없이 병렬 처리함.
배치 처리 프로세스
다수 환자의 데이터를 수집 → 수직 스택(2D 배열) → 딥러닝 모델 처리 → 환자별 결과 분리 저장
 |
| Fig. 2. Multiple patients batch processing process of algorithm modules |
주요 검출 항목 및 조건
VT: V박동 3회 이상 & 100bpm 이상
TACHY: 14박동 이상 & 140bpm 이상
BRADY: 5박동 이상 & 40bpm 이하
PAUSE: 2~4초 박동 없음
ASYSTOLE: 4초 이상 박동 없음
GUI 기반 실시간 시각화
 |
| Fig. 3. Administrator GUI. (a) Arrhythmia selection combo box; (b) patient selection combo box; (c) real-time ECG data visualization screen. The ECG data and arrhythmia detection results for the selected patient can be monitored in real time through the combo boxes; (d) network module and algorithm module. The administrator can control each module using the START and END buttons and can monitor the status and resource usage of each module; (e) patient information entered into the in-memory database (IMDB). The ID and status of each patient can be checked |
실시간 ECG 표시, 부정맥 알람, 모듈 상태 관리
성능 평가
1. 실시간 처리 성능 테스트
테스트 환경: Core i7, 48GB RAM, Python 3.10
측정 지표: 완료 시간, 대기 시간, 실행 시간, 동시 처리 환자 수, 모듈 동작 횟수
3초 입력 주기 내에 환자 데이터 처리가 가능한지 평가
 |
| Fig. 4. Comparison of completion times based on input patient counts for the proposed and sequential systems |
 |
| Fig. 5. Comparison of wait times based on input patient counts for the proposed and sequential systems |
 |
| Fig. 6. Comparison of execution times based on input patient counts for the proposed and sequential systems |
 |
| Fig. 7. Comparison of concurrent processing patient counts based on the number of input patients |
 |
| Fig. 8. Comparison of module operation counts based on the number of input patients |
2. 부정맥 검출 성능
80명 환자 대상, 전문의 판독과 비교
민감도(Sensitivity) 평균 99.429%
양성예측도(PPV) 평균 91.238%
정확도(Accuracy) 평균 93.566%
임상 적용 및 장점
최대 240명 동시 실시간 모니터링 가능
GPU 없이도 고성능 동작 → 비용 효율성
병원 내 환자 자유로운 이동 가능 (무선 센서 기반)
알람 기반 조기 대응 가능 → 생존율 향상
결론 및 전망
본 시스템은 AI와 웨어러블 기술이 의료 현장에서 실시간 환자 감시에 어떻게 혁신을 일으킬 수 있는지를 명확히 보여줍니다. 향후 더 많은 병원 환경에 적용되어 의료진의 업무 효율을 높이고, 환자 중심의 스마트 헬스케어 실현에 크게 기여할 것입니다.
참고문헌
[1] Satija U., et al., "Real-time signal quality-aware ECG telemetry system for IoT-based health care monitoring," IEEE IoT J., vol. 4, no. 3, pp. 815-823, 2017. [2] Scrugli M. A., et al., "A runtime-adaptive cognitive IoT node for healthcare monitoring," ACM Conf. Computing Frontiers, pp. 350-357, 2019. [3] Drew B. J., et al., "Practice standards for electrocardiographic monitoring in hospital settings," Circulation, vol. 110, no. 17, pp. 2721-2746, 2004. [4] Sandau K. E., et al., "Update to practice standards for ECG monitoring in hospital settings," Circulation, vol. 136, no. 19, pp. e273-e344, 2017. [5] Sandroni C., et al., "In-hospital cardiac arrest: incidence, prognosis and measures to improve survival," Intensive Care Med., vol. 33, pp. 237-245, 2007. [6] Kwon S., et al., "Comparison of novel telemonitoring system using single-lead ECG patch with conventional telemetry," Korean Circ J., vol. 54, no. 3, pp. 140, 2024. [7] Ahouandjinou A. S., et al., "Smart and pervasive ICU-based IoT for improving intensive health care," IEEE BioSMART, pp. 1-4, 2016.
댓글
댓글 쓰기