MRATTS: 실시간 Acupoint Detection과 Evaluation Standards를 갖춘 MR 기반 Acupoint Therapy Training System

배경 및 소개

최근 전통의학 교육에도 MR이 본격적으로 들어오고 있습니다. 특히 침, 뜸, 지압처럼 손기술과 위치 정확도가 모두 중요한 분야에서는, 단순히 지식을 외우는 것만으로는 학습이 충분하지 않는데요. 이 논문은 바로 그런 문제의식에서 출발합니다. 기존 MR 기반 학습 도구들은 실제 사람의 팔, 손, 몸통에 있는 혈자리를 실시간으로 정확히 잡아내는 데 한계가 있었고, 침 놓기나 뜸 뜨기 같은 세부 술기를 충분히 연습하게 해주지 못했습니다. 또 연습이 끝난 뒤에도 “맞다/틀리다” 수준의 단순 피드백만 주는 경우가 많아서, 학습자가 어디서 왜 틀렸는지 이해하기 어려웠다는 점이 아쉬웠습니다. 이런 맥락에서 제안된 것이 MRATTS인데요. 이는 혈자리 위치 인식, 술기 시뮬레이션, 평가와 보고서 생성까지 한 흐름으로 묶은 MR 기반 침구 교육 시스템이라고 볼 수 있습니다.

주요 내용

MRATTS의 핵심은 실제 사람 위에 혈자리를 실시간으로 겹쳐 보여주면서 학습하게 만든다는 점입니다. 이를 위해 저자들은 인체의 관절을 기준점으로 삼아 혈자리를 계산하는 비례 측정 방식을 사용했고, CNN 기반 자세 추정으로 손, 팔다리, 몸통의 관절을 잡아낸 뒤 HMD 시점에 맞게 3D 위치를 보정했습니다. 단순히 정적인 모형에 혈자리를 띄우는 것이 아니라, 사람마다 다른 체형을 반영해 혈자리 위치를 자동으로 조정한다는 점이 중요합니다. 이는 전통적인 교육에서 늘 문제였던 “모형에서는 맞는데 실제 사람에게선 헷갈리는” 상황을 줄여준다는 점에서 의미가 있습니다.

이 시스템이 흥미로운 부분은 단순 혈자리 찾기를 넘어서, 실제 임상에서 필요한 술기까지 훈련하게 만든다는 점입니다. 지압은 물론이고 침의 삽입, 들어 올리기와 누르기, 비틀기 같은 복잡한 동작을 손 제스처와 충돌 감지로 인식해 시뮬레이션합니다. 뜸 역시 온화뜸, 새 쪼기뜸, 선회뜸처럼 서로 다른 움직임 패턴을 구분해서 연습할 수 있게 했습니다. 여기서 중요한 것은 움직임의 방향, 속도, 깊이, 순서 같은 세부 파라미터를 읽어내어 어떤 술기인지 판별한다는 점인데요. 즉, 단순한 제스처 인식이 아니라 전통의학 술기의 핵심 원리를 디지털 환경에 옮겨왔다는 점에서 설계 의도가 분명합니다.

또 하나의 차별점은 평가 방식입니다. 기존 시스템들이 대체로 “정확했다/틀렸다”만 알려줬다면, MRATTS는 전통의학 이론에 기반한 평가 기준을 만들어 점수와 시각화된 피드백을 제공합니다. 예를 들어 침의 깊이나 각도, 뜸의 위치와 움직임의 적절성, 술기의 순서와 속도까지 반영해 사용자의 숙련도를 수치화하고, 결과를 보고서 형태로 보여줍니다. 이 부분은 학습자가 자신의 오류를 구체적으로 되짚을 수 있게 해준다는 점에서 실무적으로 꽤 강점이 있습니다. 실제 사용자 연구에서도 MRATTS 그룹이 혈자리의 3D 위치 이해와 술기 숙련도에서 더 좋은 성과를 보였고, 전문가들도 초보자에게 몰입감 있고 효율적인 학습 방식이라고 평가했습니다. 이는 MR이 단순한 시각화 도구를 넘어서, 기술 전수의 구조 자체를 바꿀 수 있다는 가능성을 보여줍니다.

결론 및 시사점

정리하면 MRATTS는 전통의학 침구 교육에서 늘 어려웠던 세 가지, 즉 정확한 혈자리 인식, 복합 술기 연습, 그리고 해석 가능한 평가를 하나의 시스템으로 묶어냈습니다. 특히 실제 사람을 대상으로 실시간으로 적응하는 혈자리 인식과, 침·뜸·지압을 모두 포괄하는 시뮬레이션은 기존 연구보다 분명히 한 단계 더 나아간 시도라고 볼 수 있습니다. 이는 MR이 단순한 보조 시각화가 아니라, 손기술 학습과 전문성 평가를 함께 지원하는 교육 인프라가 될 수 있다는 점에서 의미가 있습니다.

다만 한계도 있습니다. 이런 시스템은 동작 인식과 시각적 피드백에 크게 의존하기 때문에, 실제 임상에서 느껴지는 촉각적 감각이나 맥락적 판단까지 완전히 대체하기는 어렵습니다. 또한 전통의학 이론에 기반한 평가 기준이 잘 설계되었다고 하더라도, 학파나 교육자에 따라 강조점이 달라질 수 있어서 보편화에는 추가 검증이 필요합니다. 그럼에도 불구하고 이 연구는 MR을 의료 교육에 적용할 때 무엇을 측정하고 어떻게 피드백해야 하는지를 꽤 구체적으로 제시했다는 점에서 흥미롭습니다. 개인적으로는 이런 접근이 향후 다른 수기 중심 의료 교육에도 확장될 가능성이 크다고 생각합니다. 특히 초심자 교육과 장기 숙련도 추적에 유용한 방향이라고 볼 수 있습니다.