무선 보행 분석의 혁신: 블루투스 기반 관성 측정 장치(IMU)의 활용과 미래

- 8월 19, 2025

doi:10.9718/JBER.2020.41.3.121

1. 서론: 고령화 사회와 보행 분석의 필요성

오늘날 전 세계는 고령화 사회로 급속히 진입하고 있습니다. 고령 인구가 증가함에 따라 관절염, 퇴행성 관절 질환, 뇌혈관 손상, 파킨슨병과 같은 보행 장애 관련 질환 역시 꾸준히 늘어나고 있습니다.

이러한 환자들에게 있어 보행 분석(gait analysis)은 단순한 운동 능력 측정을 넘어 재활 치료 방향을 결정하는 핵심 도구로 자리 잡았습니다.

기존에는 삼차원 동작 분석 시스템(3D motion analysis system)과 같은 첨단 장비가 보행 분석에 사용되었습니다.

그러나 수억 원에 달하는 장비 가격, 설치 공간의 제약, 복잡한 마커 부착 과정 등으로 인해 실제 임상 현장에서는 적용이 쉽지 않았습니다.

결국 대부분의 환자들은 의사의 주관적 관찰이나 제한적인 도구에 의존할 수밖에 없었죠.

이러한 상황에서 새로운 대안으로 떠오른 것이 바로 블루투스 기반 관성 측정 장치(IMU: Inertial Measurement Unit)입니다.

본 칼럼에서는 한국과학기술연구원(KIST) 연구팀의 논문 중심으로, 블루투스 기반 IMU가 어떻게 기존의 한계를 극복하며 임상적 가치를 창출하는지 살펴보겠습니다.

2. IMU 기반 무선 보행 분석의 원리

관성 측정 장치(IMU)는 기본적으로 가속도계(accelerometer), 자이로스코프(gyroscope), 자기 센서(magnetometer)로 구성됩니다.

이 센서는 인체의 미세한 움직임을 실시간으로 포착해 보행 데이터를 정량적으로 제공합니다.

논문에서 활용된 장치는 eCEN Care라는 상용화된 BLE(Bluetooth Low Energy) 기반 IMU 센서였습니다.

크기 35.5 mm × 35.5 mm × 11 mm의 소형 장치로, 다리의 정강뼈(tibia)와 대퇴부(femur)에 부착하여 보행 데이터를 수집했습니다.

이 장치는 22Hz의 샘플링율로 동작하며, 이는 고가의 60Hz 모션 분석 시스템에 비해 낮은 빈도지만 휴대성과 비용 효율성 측면에서 큰 장점을 가집니다.

보행 분석 과정은 그림 2(보행 분석 알고리즘)에 잘 나타나 있습니다.

데이터는 다음과 같은 단계로 처리됩니다:

1. 센서 부착 및 초기 보정: 환자가 3초간 정지 자세를 유지하면 기본값이 보정됨.

2. 데이터 수집 및 필터링: 보행 중 발생하는 각도, 가속도 데이터를 수집 후 칼만 필터(Kalman filter)로 노이즈 제거.

3. 보행 주기 검출: 발뒤꿈치 접지(Heel strike), 발끝 이지(Toe-off) 등 보행 이벤트 검출.

4. 보행 인자 계산: 보행 속도(gait speed), 보폭(stride length), 관절 운동 범위(ROM), 입각기 비율(stance phase) 등 산출.

3. 연구 방법 및 실험 설계

이 연구는 20~32세의 한국인 성인 남성 30명을 대상으로 진행되었습니다.

참가자들은 근골격계 질환 이력이 없는 정상 성인이었으며, KIST 생명윤리위원회의 승인 절차에 따라 실험이 수행되었습니다.

· 비교 장치:

o 전통적 3D 모션 분석 시스템 (60Hz, Motion Analysis, USA)

o eCEN Care BLE IMU (22Hz, Korea)

· 실험 절차:

o 피험자들은 직선 5m 보행을 8회 반복 수행.

o 마커(14mm 직경, Helen Hayes model set)를 하체에 부착.

o IMU 센서를 정강이뼈와 대퇴부에 장착.

o 각 보행 주기의 대표값을 추출하여 두 장비의 측정 결과를 비교.

· 분석 지표:

1. 분속수(Cadence, steps/min)

2. 보폭(Stride length, cm)

3. 보행 속도(Gait speed, m/s)

4. 관절 운동 범위(ROM, degree)

5. 입각기 비율(Stance phase, %)

분석 방법으로는 피어슨 상관 분석(Pearson correlation)과 블란드-알트만 분석(Bland-Altman plot)이 활용되었습니다.

4. 연구 결과

연구 결과, BLE 기반 IMU는 고가의 동작 분석 시스템과 비교했을 때 매우 유사한 수준의 정확도를 보였습니다.

· 분속수(Cadence): 평균 오차율 2.48% (높은 정확도)

· 입각기 비율(Stance phase): 평균 오차율 2.84% (높은 정확도)

· 보폭(Stride length): 평균 오차율 8.32%

· 보행 속도(Gait speed): 평균 오차율 8.61%

· ROM: 평균 오차율 6.44%

👉 즉, 낮은 샘플링율(22Hz)에서도 분속수와 입각기 비율 분석은 임상적으로 충분히 신뢰할 수 있음을 입증했습니다.

그림 3의 상자 그림(Box plots)은 각 보행 인자의 분포를 시각적으로 보여주었으며, 그림 4의 블란드-알트만 플롯은 두 장비 간의 측정값 차이를 통계적으로 검증했습니다.

5. 임상적 활용 가치

블루투스 기반 IMU의 임상적 장점은 다음과 같습니다:

1. 저비용·고효율

o 수천만 원대 장비 대신 소형 센서만으로 정밀한 보행 분석 가능.

2. 휴대성 및 접근성

o 임상 현장뿐 아니라 재활센터, 가정, 운동 클리닉에서도 활용 가능.

3. 실시간 데이터 제공

o 환자의 보행 상태를 앱과 연동하여 실시간 모니터링.

4. 맞춤형 재활 프로그램

o 환자의 신체 조건(키, 체중, 발 크기 등)을 반영한 개인화된 치료 계획 수립 가능.

5. 웨어러블 헬스케어 확장성

o 스마트워치, AR/VR 운동 기기와 통합해 헬스케어 생태계 확장 가능.

6. 한계와 개선 방향

물론 BLE 기반 IMU에도 한계는 존재합니다.

· 낮은 샘플링율: 순간적인 빠른 움직임에서는 정확도가 떨어짐.

· 개인 맞춤 부족: 현재 알고리즘은 개인의 신체 조건을 충분히 반영하지 못함.

이를 극복하기 위해 다음과 같은 개선 방향이 제안됩니다.

· AI 기반 보정 알고리즘 적용

· 빅데이터 기반 맞춤형 보행 패턴 학습

· IoT 기술과 결합한 원격 환자 모니터링

· 5G 기반 실시간 데이터 전송

7. 미래 전망: 디지털 헬스케어의 핵심 기술

세계 보건 산업은 빠르게 스마트 헬스케어(Smart Healthcare)와 디지털 치료제(Digital Therapeutics)로 전환되고 있습니다.

IMU 기반 보행 분석은 그 중심에 서 있는 기술입니다.

향후 IMU 기술은 다음과 같은 영역에서 활용될 전망입니다:

· 스마트 재활 클리닉: 환자 맞춤형 보행 교정 및 재활 관리.

· 노인 낙상 예측 시스템: 보행 패턴 변화 조기 감지로 사고 예방.

· 스포츠 의학: 선수들의 움직임 최적화 및 부상 방지.

· 웨어러블 시장: 스마트워치, 헬스케어 앱과의 연동 강화.

즉, 블루투스 기반 IMU는 단순한 측정 장치를 넘어 스마트 헬스케어 패러다임을 주도할 핵심 인프라로 성장할 것입니다.

8. 그림 설명

그림 1. 센서 및 삼차원 동작 분석 시스템을 이용한 보행 측정 환경 (a) 피험자의 하지에 부착된 마커와 IMU 센서 / (b) 실험실 내 장비 세팅

그림 2. 보행 분석 알고리즘; (IMU 센서 → 칼만 필터 → 보행 주기 검출 → 보행 인자 계산 과정)

그림 3. 보행 인자의 상자 그림(Box plots);(a) 분속수; (b) 보폭; (c) 보행 속도; (d) 관절가동범위; (e) 입각기 비율

그림 4. 블란드-알트만 분석 결과; (a) 분속수; (b) 보행 속도; (c) ROM; (d) 입각기 비율

참고문헌

[1] S. J. Bamberg, A. Y. Benbasat, D. M. Scarborough, D. E. Krebs, and J. A. Paradiso, "Gait analysis using a shoe-integrated wireless sensor system," IEEE Trans. Inf. Technol. Biomed., vol. 12, no. 4, pp. 413–423, 2008.
[2] T. Seel, J. Raisch, and T. Schauer, "IMU-based joint angle measurement for gait analysis," Sensors, vol. 14, no. 4, pp. 6891–6909, 2014.
[3] G. Currie, D. Rafferty, G. Duncan, F. Bell, and A. Evans, "Measurement of gait by accelerometer and walkway: a comparison study," Med. Biol. Eng. Comput., vol. 30, no. 6, pp. 669–670, 1992.
[4] B. Auvinet, G. Berrut, C. Touzard, L. Moutel, N. Collet, D. Chaleil, and E. Barrey, "Reference data for normal subjects obtained with an accelerometric device," Gait & Posture, vol. 16, no. 2, pp. 124–134, 2002.
[5] K. Tong and M. H. Granat, "A practical gait analysis system using gyroscopes," Med. Eng. Phys., vol. 21, no. 2, pp. 87–94, 1999.
[6] D. J. Weber et al., "BIONic WalkAide for correcting foot drop," IEEE Trans. Neural Syst. Rehabil. Eng., vol. 13, no. 2, pp. 242–246, 2005.
[7] E. K. Allseits, V. Agrawal, A. Prasad, C. Bennett, and K. J. Kim, "Characterizing the impact of sampling rate and filter design on the morphology of lower limb angular velocities," IEEE Sensors J., vol. 19, no. 11, pp. 4115–4122, 2019.

이 블로그 검색

MediWave