힘찬병원 심포지엄시멘트리스 로봇 TKA
현대적 시멘트리스 삽입물의 근거와 한계를 검토하고, 로봇·기능적 정렬을 이용한 계획과 수술 과정, 환자 선택의 원칙을 설명합니다.
발표 해설 보기PRESENTATIONS
발표 자료.
강연·학회 발표와 관련 논문, 슬라이드, 영상을 한곳에 모았습니다.
힘찬병원 심포지엄
고려대병원 개원의 강좌슬관절 인공관절 치환술에서 정렬 패러다임의 변화
중립 정렬이라는 공통 목표에서 환자의 해부학과 연부조직에 맞춘 목표 선택으로 논의를 확장합니다. Constitutional varus와 CPAK, 관절염에 따른 변형, 기능적 정렬의 근거와 한계, AI 기반 측정과 예측을 연결하여 환자별 정렬 계획의 원칙을 설명합니다.
발표 해설 보기
APKASS영상 바이오마커와 AI로 다시 정의하는 무릎 골관절염
무릎 골관절염을 객관적으로 측정하고, 구조적 변화를 정량화하며, 개별 환자의 예후를 평가하는 연구를 소개합니다. 관절간격·하지 정렬·MRI 소견을 연결하고 독립 코호트 검증을 통해 AI의 임상적 의미를 살펴봅니다.
발표 해설 보기
2025 슬관절학회 연수강좌슬관절치환술 후 마모, 골용해, 무균성 해리의 진단과 치료
슬관절치환술 후 마모 입자의 발생과 골용해의 생물학적 반응을 살펴보고, 감염 감별과 부품의 고정 상태를 바탕으로 추적 관찰, 삽입물 교환, 재치환술을 계획합니다.
발표 해설 보기
한림대학교병원 심포지엄AI를 이용한 맞춤형 인공슬관절 수술 계획
맞춤형 인공슬관절 수술 계획은 환자의 해부학적 특성을 정확히 측정하고, 임플란트의 크기·정렬·위치를 수술 과정과 연결하는 일입니다. AI 기반 2D·3D 템플레이팅의 역할과 한계, 위험 및 회복 예측의 활용, 임상 워크플로에서 필요한 검증을 살펴봅니다.
발표 해설 보기
2026년 제13회 전방십자인대 심포지엄ACL 이식건 채취와 손상 및 직경 부족의 관리
햄스트링·대퇴사두건·BPTB 채취에서 피해야 할 손상과, 이식건의 길이·직경이 부족할 때 점검할 선택지를 정리합니다. 5가닥 구성, 동종건 보강, 봉합 테이프와 LET의 근거를 구분해 살펴봅니다.
발표 해설 보기Redefining Knee Osteoarthritis through Imaging Biomarkers and AI
관절염 사진을 설명할 때 몇 기인지부터 말하는 경우가 많습니다. 등급은 서로의 상태를 비교하는 데 편리하지만, 같은 등급의 무릎이 모두 같은 모습과 경과를 갖지는 않습니다. 어떤 무릎은 골극이 두드러지고 어떤 무릎은 관절간격이 먼저 좁아집니다. 또 다리 전체의 정렬이 변하는 속도도 다릅니다. OARSI 강의에서는 이 차이를 영상 바이오마커와 AI 측정으로 어떻게 연구할지 이야기했습니다. ## 등급을 나누는 일과 변화를 재는 일 KL 등급은 임상과 연구에서 널리 쓰는 도구입니다. 다만 몇 단계로 나누는 방식은 작은 변화가 어느 부위에서 일어났는지 충분히 설명하지 못할 수 있습니다. 관절간격을 밀리미터로 재거나 정렬 각도를 연속적인 값으로 남기면, 등급 사이에 가려졌던 정보를 살펴볼 수 있습니다. 더 많은 소수점을 표시한다고 좋은 지표가 되는 것은 아닙니다. 반복 측정이 가능한지, 촬영 자세가 달라도 같은 의미인지, 실제 변화에 반응하는지를 확인해야 합니다. ## 좁아진 간격이 무엇을 뜻하는지 무릎 X-ray의 간격에는 연골과 연골판의 정보가 함께 담깁니다. X-ray와 MRI를 연결한 MOST 연구에서는 위치에 따라 조직 변화의 양상이 달랐고 연골판 돌출이 진행과 중요한 연관성을 보였습니다. MRI를 모두에게 더 찍자는 이야기보다, 사진의 한 숫자가 어떤 조직을 반영하는지 이해하자는 질문입니다. 검사마다 잘 보여주는 구조가 다르므로 원문 그림을 함께 읽는 편이 도움이 됩니다. ## AI는 많은 사진에 같은 자를 대는 도구입니다 전장 하지 사진에서 여러 기준점을 찾고 각도를 반복해 재는 일은 시간이 걸립니다. 저희 그룹은 자동 landmark 인식과 각도 측정, 관절간격 측정을 연구해 왔습니다. 모델이 일관되게 재는 능력과 실제 기준값에 가까운 능력은 나누어 평가합니다. 평균 성능 뒤에 가려진 실패 사례도 함께 보아야 합니다. 촬영 품질이 나쁘거나 학습 자료와 다른 환경이면 자동 결과를 그대로 받아들이기 어렵습니다. ## 형태와 경과를 연결하되 원인을 단정하지 않습니다 JLCA와 정렬 진행, CPAK과 관절염 정도를 비교한 연구는 무릎의 경과를 이해할 후보 지표를 제시합니다. 관련성이 확인됐다고 그 각도를 바꾸는 치료가 진행을 막는다는 결론이 나오지는 않습니다. 수술의 정렬 목표, 환자가 느끼는 통증과 기능, 장기 결과까지 이어지는 검증이 필요합니다. 강의의 연구용 예시와 탐색적 수치를 진료의 확정된 기준으로 옮기지 않는 이유입니다. ## 환자에게는 더 구체적인 설명으로 돌아와야 합니다 정교한 측정을 하는 목적은 숫자를 늘리는 데 있지 않습니다. 어떤 변화가 있고 무엇을 아직 알 수 없는지 설명하고, 치료 선택에서 환자가 중요하게 생각하는 일을 함께 확인하는 데 있습니다. 걷기, 잠, 일과 운동에서 기대하는 변화가 서로 다르기 때문입니다. 공동 의사결정 연구도 이 과정의 질을 평가하려는 작업입니다. 연구가 보여준 범위와 아직 검증할 질문을 나누어 말하는 것이 정확한 설명의 시작입니다.
발표 해설 보기AI in Research Workflow: Current Capabilities and Practical Applications
전공의 시절 연구를 하면서 가장 오래 걸리는 일 가운데 하나는 자료를 모으고 형태를 맞추는 작업이었습니다. 논문을 읽고, 표를 정리하고, 통계 결과를 다시 문장으로 옮기는 과정입니다. AI 도구가 늘어나면서 이런 작업을 줄일 여지가 커졌습니다. 강의와 「Integrating AI into the Research Workflow」 원고에서 강조한 것은 도구의 개수보다 연구자가 먼저 정해야 할 질문입니다. ## 첫 단계는 연구 질문을 좁히는 일 어떤 환자의 어떤 문제를, 무엇과 비교하고, 어떤 결과로 판단할지 적습니다. AI가 여러 아이디어를 제시하더라도 실제 자료로 답할 수 있는 질문인지는 연구자가 확인해야 합니다. 가지고 있는 자료를 먼저 보여주고 그럴듯한 결과를 골라 연구 질문을 거꾸로 맞추면 해석이 흔들릴 수 있습니다. 가설과 평가 지표, 대상과 제외 기준을 가능한 한 분석 전에 정하는 이유입니다. ## 문헌을 찾는 일과 근거를 확인하는 일 AI는 긴 원문에서 내용을 찾고 연구별 대상·방법·결과를 표로 정리하는 데 도움이 됩니다. 하지만 논문 제목과 DOI가 실제로 존재하는지, 정리한 숫자가 본문이나 표의 어느 위치에 있는지는 직접 확인합니다. 원문을 읽지 못했다면 초록까지 확인했다고 표시합니다. 서로 다른 모델이 같은 답을 냈다는 사실만으로 검증을 끝내지 않습니다. 정리 도구가 같거나 다르더라도 확인의 기준은 실제 원문입니다. ## 설계와 분석에서는 결정을 기록합니다 대상 선택, 결측치 처리, 공변량, 여러 무릎이 한 환자에 속하는 자료의 상관성을 어떻게 다룰지 정합니다. AI와 통계 방법을 의논할 수 있지만 나온 코드가 실행되는 것과 분석이 적절한 것은 다릅니다. 변수의 단위와 방향, 표본 수, 중복 행과 제외된 환자를 확인합니다. 주요 결과를 다른 계산이나 표에서 다시 대조하고, 분석 방법을 바꿨을 때 결론이 얼마나 달라지는지도 살핍니다. ## 그림에는 질문과 분모를 남깁니다 좋은 그림은 읽는 사람이 무엇을 비교했는지 알 수 있게 합니다. 축과 단위, 분석 대상의 수, 불확실성, 비교군을 표시합니다. AI로 설명용 모식도를 만들 수 있지만 원문 figure와 구분해 적습니다. 실제 영상과 실험 결과를 생성 이미지로 대신하지 않습니다. 평균만 그리면 분포를 놓칠 수 있고 정확도만 보이면 실패 사례를 놓칠 수 있습니다. 저희 홈페이지에서도 원문 그림의 출처와 해설을 함께 보이도록 한 이유입니다. ## 글을 다듬어도 결과의 범위는 늘리지 않습니다 문장이 매끄러워질수록 결과보다 큰 주장이 숨어들기 쉽습니다. 연관성을 원인으로, 내부 검증을 다른 병원에서의 효과로, 연구용 모델을 검증된 치료로 바꾸지 않았는지 봅니다. 연구 설계에 맞는 보고 지침을 확인하고 방법과 제한을 함께 정리합니다. 서론과 토론을 빨리 만드는 것보다 어떤 질문에 실제로 답했는지를 정확히 남기는 편이 중요합니다. ## 사람의 책임과 자료의 보호 ICMJE는 AI를 저자로 기재하지 않고 사용 목적을 투명하게 밝히며, 생성 내용의 정확성과 적절한 출처에 대한 책임을 사람에게 둡니다. 환자 정보와 비공개 원고는 이름만 지웠다고 안전해지는 것은 아닙니다. 기관 규정과 서비스의 자료 처리 조건을 확인한 환경에서 필요한 범위만 다룹니다. AI가 시간을 줄여준 만큼 검토를 생략하는 대신, 근거와 분석을 확인하는 데 시간을 돌리는 편이 연구에 도움이 됩니다.
발표 해설 보기