의료 전문가들이 기존의 2D 비디오와 지나치게 단순화된 시뮬레이션의 한계를 벗어나, 매우 현실적이고 몰입감 넘치는 환경에서 훈련할 수 있는 세상을 상상해 보세요. 로봇이 전례 없는 정밀도로 구조 활동을 지원하고, 머신러닝 모델이 응급 의료 워크플로의 비효율성을 파악하는 세상 말입니다. 이러한 세상이 현실이 되고 있습니다. 바로 톈진대학교 연구진이 개발한 획기적인 자원인 응급 의료 절차 3D 데이터셋(EMP3D) 덕분입니다.

EMP3D 데이터셋은 생명을 구하는 의료 현장에서 의료 전문가들의 정교한 움직임을 전례 없는 정밀도로 포착합니다. 동기화된 멀티 카메라 시스템, 첨단 AI 알고리즘, 그리고 엄격한 인간 검증을 통해 EMP3D는 응급 의료 워크플로의 최초 3D 디지털 청사진을 만들어냈습니다. 이 혁신은 응급 의료 훈련을 근본적으로 변화시키고 의료 현장에서 로봇 지원을 강화할 잠재력을 지니고 있습니다.

## EMP3D 활용 사례: 응급 의료의 새로운 시대

EMP3D의 초고정밀도는 혁신적인 후속 응용 프로그램을 탄생시킬 수 있습니다. AI 기반 응급구조 코치는 심폐소생술이나 지혈과 같은 처치 과정에서 교육생의 수행 능력을 실시간으로 평가하고 피드백을 제공할 수 있습니다. 구조 로봇은 구조대원의 행동을 모방하여 구조 작전을 지원할 수 있습니다. 위기 분석은 대규모 사상자 ​​발생 시 팀의 업무 흐름에서 비효율적인 부분을 파악할 수 있습니다.

## EMP3D의 중요성: 메타버스 기술을 활용하여 응급의학 지식의 광범위한 보급을 촉진합니다.

현재 응급의학 교육 도구는 2D 비디오나 지나치게 단순화된 시뮬레이션에 크게 의존하고 있어 실제 응급 상황에서 요구되는 공간적 복잡성과 순간적인 판단을 제대로 반영하지 못합니다. 이러한 한계로 인해 AI 기반 도구, 로봇 보조 장치, 가상현실 교육 플랫폼의 효과가 제한됩니다. EMP3D 데이터셋은 높은 정밀도의 재구성, AI 기반 인프라, 그리고 개방형 접근성을 제공함으로써 이러한 문제점을 직접적으로 해결합니다.

이 데이터셋은 정교하게 설계된 4단계 파이프라인을 통해 구축되었습니다. 먼저, 응급실 주변에 전략적으로 배치된 6대의 GoPro 카메라를 사용하여 다중 시점의 혼란스러운 데이터를 질서 있는 데이터로 변환합니다. 다음으로, RTMPose 알고리즘을 사용하여 다중 시점 재구성을 수행하고, 각 카메라 시점에서 2D 포즈를 추출한 후 3D 골격 운동을 재구성합니다. 응급 의료 환경에서의 추적은 맞춤형 추적 모듈을 사용하여 구조대원과 환자의 궤적을 프레임 단위로 매핑하여 수행합니다. 마지막으로, 원시 3D 관절 데이터는 2단계 최적화를 통해 SMPL-H 바디 모델로 정제되고, 모든 프레임은 수동 검사를 거칩니다.

EMP3D 데이터셋은 응급 의료 교육 및 로봇 지원 분야에 혁명을 일으킬 잠재력을 가지고 있습니다. 메타버스 기술을 활용하고 응급 의료 워크플로의 3D 디지털 청사진을 제공함으로써, EMP3D는 응급 의료 지식의 광범위한 보급을 촉진하고 환자 치료 결과를 개선할 수 있습니다. 연구자들이 이 기술을 지속적으로 개발하고 개선함에 따라, 향후 응급 의료 교육 및 로봇 지원 분야에서 상당한 발전을 기대할 수 있습니다.

출처:

[톈진대학교](https://cic.tju.edu.cn/english/home.htm)

학술지 참고문헌:

Bao, H., _et al._ (2025). EMP3D: an emergency medical procedures 3D dataset with pose and shape. _Frontiers of Computer Science_. doi: 10.1007/s11704-025-41174-x. [https://link.springer.com/article/10.1007/s11704-025-41174-x](https://link.springer.com/article/10.1007/s11704-025-41174-x)