블루투스 기반 관성측정장치(IMU)를 활용한 무선 보행 분석의 미래와 활용 가능성

- 9월 03, 2025

doi:10.9718/JBER.2020.41.3.121

서론: 고령화 사회와 보행 분석 기술의 필요성

전 세계적으로 고령화 사회가 빠르게 진행되면서 퇴행성 관절염과 근골격계 질환 환자가 급증하고 있다.

특히 무릎과 고관절의 손상으로 인해 발생하는 보행 장애는 환자의 삶의 질을 크게 떨어뜨린다.

이에 따라, 정형외과적 수술 이후 환자의 재활 과정을 정밀하게 평가하고 최적의 재활 프로그램을 설계하기 위한 정량적 보행 분석 기술의 필요성이 커지고 있다.

기존에는 삼차원 동작분석 시스템(3D motion analysis system)과 같은 고가 장비를 활용해 보행 주기, 무릎 굽힘 각도, 보행 속도 등을 측정해왔다.

그러나 이러한 장비는 설치와 보정 과정이 복잡하고, 실험실 내에서만 사용이 가능하여 임상 현장에서의 활용성이 제한적이었다.

최근에는 저전력 블루투스(Bluetooth Low Energy, BLE) 기반 관성측정장치(IMU: Inertial Measurement Unit)가 보행 분석에 도입되면서, 환자의 재활 상태를 실시간으로 측정할 수 있는 새로운 가능성이 열리고 있다.

본 칼럼에서는 최신 연구 결과를 바탕으로 블루투스 기반 IMU를 활용한 무선 보행 분석의 타당성, 장점, 한계, 그리고 미래적 응용 가능성을 다룬다.

본론

1. 블루투스 기반 IMU 기술 개요

IMU는 가속도계와 자이로스코프, 기울기 센서를 통해 신체의 움직임을 정량적으로 측정할 수 있는 장치이다.

고가의 시스템은 보통 60 Hz 이상의 높은 샘플링율을 제공하지만, 저가형 IMU 센서는 22 Hz 수준의 낮은 샘플링율을 제공한다.

연구에서는 eCEN Care라는 상용 BLE IMU 센서를 활용하여, 기존 동작분석기와 측정값을 비교하였다.

연구 목적은 낮은 샘플링율에서도 정확한 보행 분석이 가능한지를 검증하는 것이었다.

2. 연구 방법 요약

연구는 한국 성인 남성 30명을 대상으로 진행되었으며, 피험자들의 신체 치수는 다음과 같다.

표 1. 피험자의 신체 정보
(Table 1. Body anthropometric measures of the subjects)

나이: 평균 23.8세 (20–32세)
키: 평균 173.4 cm
체중: 평균 72.4 kg
발 크기: 평균 262.7 mm

피험자들에게는 14 mm 반사 마커와 IMU 센서를 부착하고, 삼차원 동작 분석 시스템과 BLE IMU를 동시에 활용하여 보행 데이터를 수집하였다.

그림 1. 보행 측정 환경; (a) 마커와 IMU 센서를 부착한 피험자, (b) 실험 환경 구성

보행 데이터는 칼만 필터를 적용해 노이즈를 제거하였고, 22 Hz의 샘플링율로 보행 주기, 발뒤꿈치 접지(Heel Strike), 무릎 굽힘 각도를 분석하였다.

그림 2. 보행 분석 알고리즘
(Fig. 2. Gait analysis algorithm)

3. 주요 보행 인자 분석 결과

BLE IMU로 측정한 값은 동작분석기와 비교하여 일정 수준의 정확성을 보였다.

표 2. 두 측정 방법 평균 차이 결과 비교
(Table 2. Results of difference between mean values of two methods)

분속수(Cadence): 평균 오차율 2.48% → 매우 높은 신뢰성
입각기 비율(Stance phase): 평균 오차율 2.84% → 신뢰성 확보
보행 속도(Gait speed): 평균 오차율 8.61% → 상대적으로 큰 오차
걸음 거리(Stride length): 평균 오차율 8.32%
관절가동범위(ROM): 평균 오차율 6.44%

이를 시각적으로 나타낸 결과는 다음과 같다.

그림 3. 보행 인자의 상자그림; (a) 분속수, (b) 걸음 거리, (c) 보행 속도, (d) 관절가동범위, (e) 입각기 비율

또한, 두 측정 시스템 간의 일치도를 검증하기 위해 블란드-알트만 분석을 수행하였다.

그림 4. 블란드 알트만 분석; (a) 분속수, (b) 보행 속도, (c) 관절가동범위, (d) 입각기 비율

4. 연구 고찰

분석 결과, BLE 기반 IMU는 분속수와 입각기 비율에서는 높은 신뢰성을 보였으나, 보행 속도와 걸음 거리, 관절가동범위에서는 오차율이 상대적으로 컸다.

이는 낮은 샘플링율이 순간적인 변화 감지에 불리하기 때문이며, 향후에는 보행 횟수를 늘려 평균값 기반 분석을 강화하거나, 알고리즘에 신체 조건 변수를 추가하는 방식으로 정확성을 개선할 수 있다.

표 3. 신체 치수와 보행 인자의 상관분석
(Table 3. Correlation between body anthropometric measures and gait parameters)

키와 발 크기가 클수록 보폭이 넓고, 체중이 무거울수록 ROM이 커지는 경향이 관찰되었다. 이는 향후 환자 맞춤형 보행 분석 알고리즘 개발에 중요한 기초 데이터가 될 수 있다.

5. 임상 및 산업적 활용 가능성

블루투스 기반 IMU는 다음과 같은 이점을 제공한다.

저비용 – 고가 장비 없이도 임상 현장에서 쉽게 적용 가능
휴대성 – 환자가 병원 밖에서도 착용 가능, 원격 모니터링 가능
실시간 데이터 분석 – 클라우드와 연동하여 AI 기반 맞춤형 재활 가능
데이터 기반 정량 평가 – 주관적 판단에서 벗어나 객관적인 수치 제공

특히, 스마트 헬스케어와 웨어러블 의료기기 시장이 급성장하는 현재, BLE 기반 IMU는 환자 재활, 노인 낙상 예방, 스포츠 의학 등 다양한 분야에서 응용될 수 있다.

결론

블루투스 기반 관성측정장치(IMU)는 기존의 고가 3D 동작분석 시스템에 비해 정확성은 다소 낮지만, 재활 치료, 임상 현장, 원격 의료에서 충분히 활용 가능성이 있는 대안으로 입증되었다.

향후 AI 및 빅데이터 기술과 결합된다면, 개인 맞춤형 보행 분석과 예측 가능한 재활 프로그램 제공이 가능해질 것이다.

참고문헌

[1] R. F. Drewett, R. J. Minns, and T. F. Sibly, “Measuring outcome of total knee replacement using quality of life indices,” Ann. R. Coll. Surg. Engl., vol. 74, no. 4, pp. 286, 1992.
[2] J. Kirwan, H. Currey, M. Freeman, S. Snow, and P. Young, “Overall long-term impact of total hip and knee joint replacement surgery on patients with osteoarthritis and rheumatoid arthritis,” Rheumatology, vol. 33, no. 4, pp. 357–360, 1994.
[3] C. H. Rorabeck and P. Murray, “The cost benefit of total knee arthroplasty,” Orthopedics, vol. 19, no. 9, pp. 777–779, 1996.
[4] N. S. Labraca, A. M. Castro-Sánchez, G. A. Matarán-Penarrocha, M. Arroyo-Morales, M. M. Sánchez-Joya, and C. Moreno-Lorenzo, “Benefits of starting rehabilitation within 24 hours of primary total knee arthroplasty: randomized clinical trial,” Clin. Rehabil., vol. 25, no. 6, pp. 557–566, 2011.
[5] H. Moffet, J. P. Collet, S. H. Shapiro, G. Paradis, F. Marquis, and L. Roy, “Effectiveness of intensive rehabilitation on functional ability and quality of life after first total knee arthroplasty: a single-blind randomized controlled trial,” Arch. Phys. Med. Rehabil., vol. 85, no. 4, pp. 546–564, 2004.
[6] V. L. Chester, E. N. Biden, and M. Tingley, “Gait analysis,” Biomed. Instrum. Technol., vol. 39, no. 1, pp. 64–74, 2005.
[7] S. J. M. 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.
[8] T. Seel, J. Raisch, and T. Schauer, “IMU-based joint angle measurement for gait analysis,” Sensors, vol. 14, no. 4, pp. 6891–6909, 2014.

이 블로그 검색

The Medical Technology