태기식 교수(학과장)

뇌졸중 등 신경학적 손상을 입은 환자의 재활 효과를 높이기 위해 뇌전도(EEG)와 운동 상상(MI) 기반 BCI 기술의 필요성에서 출발한 연구입니다. EEG와 운동 상상 기반 BCI 기술을 AR/VR 환경 및 바이오피드백 시스템과 통합하여 환자의 뇌 활동과 실제 움직임을 연동시키는 방법론을 구축했습니다. 이를 바탕으로 뇌졸중 재활, AR 기반 거울운동 훈련, 관성 센서 기반 허리 안정화 훈련, 근전도(EMG) 바이오피드백 시스템 등 다각도의 재활공학 응용 연구를 수행하고 있습니다. 관성 센서 기반 허리 안정화 훈련 연구로 2023년 과학기술 우수논문상과 2022년 대한의용생체공학회 우수논문상을 수상했으며, 뇌파 분석 기반 AR 거울운동 연구로 2019년 한국재활복지공학회 우수논문상을 수상했습니다. 근전도 바이오피드백 시스템 연구는 SCI(E)급 국제학술지 'Healthcare'에 게재되어 학술적 검증을 받았습니다. 현재 실제 환자군을 대상으로 한 임상 환경 평가 프로토타입을 보유한 TRL 5-7 단계에 도달했습니다.

쇄골 및 상완골 골절 치료에 사용되는 금속판에서 반복적으로 발생하는 나사 풀림 문제 등 기존 정형외과 임플란트가 가진 생체역학적 한계를 해결하기 위해 시작된 연구입니다. 유한요소해석(FEA)을 기반으로 쇄골 Hook plate와 근위 상완골 플레이트의 응력 분포 및 고정력을 정량적으로 분석하고, 나사 풀림을 방지할 수 있는 하이브리드 금속판 구조를 설계했습니다. 나사와 플레이트 간 결합 각도를 정밀하게 조정하는 잠김압박플레이트(LCP) 나사각도 최적화 연구도 함께 수행하여, 쇄골 골절 임플란트와 근위 상완골 골절 임플란트 설계 전반에 적용 가능한 생체역학적 근거를 마련했습니다. 설계된 임플란트 구조는 시뮬레이션과 체외 테스트를 통해 고정 안정성과 나사 풀림 방지 효과를 검증받았으며, 현재 시뮬레이션 및 체외 테스트 기반 설계 유효성 검증 단계인 TRL 4-6에 위치해 있습니다.

척추측만증과 안면신경마비 등의 질환 진단에서 영상 판독의 정확성과 효율성을 높이기 위해 딥러닝 기반 자동 진단 솔루션을 연구하고 있습니다. CNN과 LLM 기술을 적용하여 흉부 및 척추 X-ray 영상을 분석하고, 초음파 영상 내 바늘 위치를 자동으로 검출하며, 안면신경마비 발생을 예측하는 진단 모델을 개발했습니다. 이 기술은 흉부 X-ray 기반 척추측만증 진단, 초음파 바늘검출, 안면신경마비 예측 등 다양한 임상 진단 영역에 적용되고 있습니다. 개발된 진단 모델은 전문의 대비 높은 진단 정확도를 확보한 것으로 검증되었으며, 의료 AI 스타트업으로의 기술이전 및 상용화 논의가 진행 중입니다. 현재 정확도 검증을 완료하고 상용화를 논의하는 TRL 5-7 단계에 있습니다.