[논문]인공지능(AI)을 이용한 디지털 운동중재가 성인의 신체능력에 미치는 영향

문소라; 최상의; 이후만; 송광섭; 최승민

doi:10.15268/ksim.2023.11.2.001

인공지능(AI)을 이용한 디지털 운동중재가 성인의 신체능력에 미치는 영향
Effects of Digital Exercise Intervention Using Artificial Intelligence (AI) on the Physical Abilities of Adults 원문보기

Journal of the Korean Society of Integrative Medicine = 대한통합의학회지, v.11 no.2, 2023년, pp.1 - 13

문소라 (을지대학교 물리치료학과) , 최상의 (엑소시스템즈 기술연구소) , 이후만 (엑소시스템즈 기술연구소) , 송광섭 (엑소시스템즈 기술연구소) , 최승민 (엑소시스템즈 기술연구소)

Abstract ▼ AI-Helper

Purpose : Along with the rapid development of digital technology, the application of digital healthcare in the medical field is also increasing. According to many experts, increasing the amount of exercise and physical activity is a helpful way to prevent and manage physical problems in modern society. However, a lack of exercise, which is of the lifestyle of modern people, leads to the development of various diseases. This study aimed to examine the effects of digital exercise intervention using artificial intelligence (AI) on the physical abilities of adults whether digital exercise intervention can be a reliable and effective therapeutic option for musculoskeletal disorders in real-world clinical settings. Methods : In this study, exercise was conducted using a digital application to investigate the effects of an AI-based digital exercise intervention on the physical abilities of adults. A total of 13 adults were evaluated, and their physical abilities before and after the exercise intervention were compared. Hand-grip strength, functional leg muscle strength, dynamic balance, and quadriceps muscle strength were assessed. Exercise was performed using a digital application and in a non-face-to-face manner. AI identified the exercise status of each participant and adjusted the exercise difficulty level accordingly. The exercised daily for 4 weeks. Results : A total of 12 participants were analyzed for the final results. Significant improvements were observed in hand-grip strength, functional leg muscle strength (evaluated using the stand-up test), dynamic balance, and straight-gait ability (p<.05), indicating an increase in the overall muscular strength and physical function of the participants. Conclusions : Digital exercise intervention using AI is effective in improving physical abilities related to musculoskeletal function. It can be useful in clinical practice as an effective treatment option for patients with musculoskeletal disorders or muscle weakness.

주제어

표/그림 (9)

그림 Fig 1. Research design
그림 Fig 2. Digital therapeutics application
그림 Fig 3. Distinction level of difficulty
그림 Fig 4. Distinction sincerity
표 Table 1. General characteristics of subjects unit : n (%)
표 Table 2. Comparison of muscular strength (unit: ㎏)
그림 Fig 5. Comparison of muscular strength
그림 Fig 6. Comparison of physical abilities
표 Table 3. Comparison of physical abilities (n= 12)

AI 본문요약
AI-Helper

문제 정의

본 연구는 인공지능(AI)를 이용한 디지털 운동중재가 성인의 신체능력에 미치는 영향을 파악하고자 한다. 또한 기존의 운동의 개념에서 벗어나 직접 대면이 아닌 애플리케이션을 이용한 운동의 효과를 알아보고 특정한 분야의 국한된 디지털 치료가 운동중재라는 방법을 통해서 근육뼈대계 신체의 능력 향상에도 효과가 있는지 확인한다.
본 연구는 건강한 성인에게 인공지능을 이용한 디지털 운동중재 기기가 신체능력 개선에 효과가 있는지 알아보기 위해서 실험을 하였다.
본 연구는 인공지능(AI)를 이용한 디지털 운동중재가 성인의 신체능력에 미치는 영향을 파악하고자 한다. 또한 기존의 운동의 개념에서 벗어나 직접 대면이 아닌 애플리케이션을 이용한 운동의 효과를 알아보고 특정한 분야의 국한된 디지털 치료가 운동중재라는 방법을 통해서 근육뼈대계 신체의 능력 향상에도 효과가 있는지 확인한다.

제안 방법

그리고 본 연구에서 사용된 다층 퍼셉트론 기반의 모델과 사용자의 운동 기록을 이용하여 운동 난이도 조절 및 성실도를 평가한다. 기존에는 처방된 운동으로 인해 향상된 사용자의 건강 상태를 구체적으로 확인할 수 없기 때문에 동일한 운동을 계속 반복해서 수행해야한다.
운동은 따로 방문하거나 대면하지 않고 디지털 운동중재 애플리케이션으로 수행되며, 운동중재 전에 애플리케이션의 조작법을 교육하였다. 그리고 애플리케이션 내에 저장되어 있는 33가지 운동 중 사전 평가를 통하여 대상자에게 맞는 운동을 선정하였다. 애플리케이션 내에 동영상과 설명이 뜨도록 하였으며, 인공지능(AI)은 대상자의 운동상태를 파악하고 평가하여 난이도를 조절하였다(Fig 2).
디지털 운동중재 애플리케이션을 통해 운동을 수행할 때, 사용자의 운동 기록을 활용하여 특징 벡터를 추출한 후, 이를 인공지능의 입력으로 인가하였다. 이때, 인공지능은 추출된 특징 벡터를 분석하여 재활 운동의 난이도를 조절하며, -1, 0, +1의 값을 결과로 출력하였다.
출력된 값은 난이도를 하향시킬 것인지, 상향시킬 것인지를 결정할 수 있고, 추가로 난이도를 유지할 지 결정할 수 있으며, 인공지능은 입력된 특징 벡터를 분석하여 사용자가 운동을 성실하게 수행하였는지 여부를 판단하였다. 본 연구는 다층 퍼셉트론 기반의 모델을 사용하여 난이도를 조절하고 성실도를 판별하는데, 난이도를 판별할 6일치의 데이터를 입력하여 결과를 출력하였다. 난이도 판별 모델을 거친 6개의 데이터는 누적이 되고 난이도가 어려울 때는 출력 값 –1(난이도를 한 단계 낮춘다), 난이도가 보통일 때는 출력 값 0(난이도는 현재로 유지한다), 난이도가 쉬울 때는 출력 값 1(난이도를 한 단계 높인다)로 학습한다.
시험을 시작하기 전에 초기 평가로 다리 근력 기능평가와 동적 균형검사, 넙다리네갈래근의 근력을 측정하며, 시험이 끝난 후 다시 평가하여 시험 전/후를 비교하였다. 운동은 따로 방문하거나 대면하지 않고 디지털 운동중재 애플리케이션으로 수행되며, 운동중재 전에 애플리케이션의 조작법을 교육하였다.
그리고 애플리케이션 내에 저장되어 있는 33가지 운동 중 사전 평가를 통하여 대상자에게 맞는 운동을 선정하였다. 애플리케이션 내에 동영상과 설명이 뜨도록 하였으며, 인공지능(AI)은 대상자의 운동상태를 파악하고 평가하여 난이도를 조절하였다(Fig 2).
인공지능 모델을 학습하기 전에, 학습을 위한 데이터를 인위적으로 생산하였다. 이를 위해, 다변량 정규 분포를 따르도록 추출된 특징벡터를 기반으로 랜덤하게 데이터를 생성하였으며, 전문가가 생성된 데이터에 대해 성실성을 0 또는 1로, 난이도 조절에 대해 -1, 0, +1로 마킹하였다. 인공지능 모델을 만들기 위해, 우리는 라벨링 된 학습 데이터를 이용하여 다층 퍼셉트론 기반의 분류 모델을 학습하였다.
이를 위해, 다변량 정규 분포를 따르도록 추출된 특징벡터를 기반으로 랜덤하게 데이터를 생성하였으며, 전문가가 생성된 데이터에 대해 성실성을 0 또는 1로, 난이도 조절에 대해 -1, 0, +1로 마킹하였다. 인공지능 모델을 만들기 위해, 우리는 라벨링 된 학습 데이터를 이용하여 다층 퍼셉트론 기반의 분류 모델을 학습하였다. 이때, 생성된 데이터는 물리치료사에 의해 운동 수행 능력에 따라 라벨링을 진행하였기 때문에 해당 데이터로 학습된 인공지능 모델은 물리치료사의 의사를 반영한다.

대상 데이터

본 연구는 2022년 2월 2일부터 2022년 3월 9일까지 경기도 성남시 소재의 A기업 센터에서 진행되었다. 연구 대상자는 만 20세 이상의 성인 남녀로서 본 연구의 목적을 이해하고, 대상자로서 동의서에 자발적으로 서면 동의한 성인 13명을 대상으로 하였다.
본 연구는 2022년 2월 2일부터 2022년 3월 9일까지 경기도 성남시 소재의 A기업 센터에서 진행되었다. 연구 대상자는 만 20세 이상의 성인 남녀로서 본 연구의 목적을 이해하고, 대상자로서 동의서에 자발적으로 서면 동의한 성인 13명을 대상으로 하였다.
연구대상자의 연령은 20대 6명으로 가장 많은 비중을 차지하였으며 30대는 5명, 40대 이상의 대상자는 1명을 구성하였다. 연구대상자는 총 13명 모집되어 운동을 진행하였으나, 1명이 탈락하여 최종 결과에 분석된 인원은 총 12명이었다(Table 1).
자료가 분석된 연구대상자는 총 12명으로 남자가 8명, 여자가 4명으로 구성하였다. 연구대상자의 연령은 20대 6명으로 가장 많은 비중을 차지하였으며 30대는 5명, 40대 이상의 대상자는 1명을 구성하였다.

데이터처리

0를 이용하여 운동 전과 후의 기능평가 결과의 비교를 통해 통계적으로 유의하게 변화가 일어났는지를 확인하였다. 대상자들의 운동 전․ 후 차이를 분석하기 위해서 대응표본 t 검정으로 분석하였다. P-value는 .
본 연구에서 통계분석 프로그램 IBM SPSS Statistics 22.0를 이용하여 운동 전과 후의 기능평가 결과의 비교를 통해 통계적으로 유의하게 변화가 일어났는지를 확인하였다. 대상자들의 운동 전․ 후 차이를 분석하기 위해서 대응표본 t 검정으로 분석하였다.

성능/효과

그 결과 디지털 운동 중재 후 악력과 다리 근력, 앉았다 일어서기에서 유의한 증가가 나타났으며 동적균형을 알아보는 직선보행에서도 유의한 차이가 있었다. 결과적으로 인공지능을 이용한 디지털 운동중재 기기는 근력의 증가와 근육뼈대계 신체능력의 향상에 효과가 있으며, 실제 임상에서 근육뼈대계 질환이나 근력이 약한 환자를 대상으로 효과적인 치료 방법으로 선택될 수 있다고 사료된다.
측정은 시험 전과 후, 근력과 기능평가 측정을 2회를 실시하였다. 그 결과 디지털 운동 중재 후 악력과 다리 근력, 앉았다 일어서기에서 유의한 증가가 나타났으며 동적균형을 알아보는 직선보행에서도 유의한 차이가 있었다. 결과적으로 인공지능을 이용한 디지털 운동중재 기기는 근력의 증가와 근육뼈대계 신체능력의 향상에 효과가 있으며, 실제 임상에서 근육뼈대계 질환이나 근력이 약한 환자를 대상으로 효과적인 치료 방법으로 선택될 수 있다고 사료된다.
비록 제안된 모델을 학습하기 위해 사용된 데이터들이 인위적으로 생성되었을지라도, 전문가의 판단하에 라벨링 된 데이터베이스이기 때문에, 학습된 인공지능 모델은 전문가의 의사를 반영하여 운동 난이도를 조절하고 성실성을 판단한다. 따라서 제안된 알고리즘을 통해, 전문가의 직접적인 관여를 최소화하여 다수의 사용자는 처방된 운동에 대한 지루함 없이 건강을 위해 효과적으로 운동을 수행할 수 있도록 도움을 줄 수 있다.
본 연구에서는 인지행동치료를 기반으로 한 중재가 적용이 되는데 이완요법, 자가 확인 요법, 자기효능증진과 운동고취 등이 있으며 인공지능에 의해 난이도가 변화함에 따라서 대상자들은 운동 조절 및 행동수정을 통해 정밀하고 세밀한 운동을 진행할 수 있다. 또한 매일 정해진 시간에 울리는 운동 알람을 통한 운동 조건화 및 학습이 있다.
이는 비대면 운동중재의 특성상 대상자의 운동 수행에 대한 적합도를 완벽하게 파악하지 못할 수 있다는 한계점을 극복하고, 인공지능이 대신 그 기능을 수행하여 대상자에게 알맞은 운동 횟수와 세트 수를 제공하여 좀더 정확하고 정밀한 운동중재 프로그램을 개발한다는 것에 큰 의미가 있다.

후속연구

다만 본 연구는 4주 동안 비대면으로 진행되었다는 점에서 대상자들의 일상생활을 모두 통제하기 어려웠고, 스스로 운동시간을 지켜 수행해야 하는 애플리케이션 운동이다 보니 꾸준히 운동을 하지 못해 13명의 모집 대상자들 중 1명이 탈락하였다는 한계점이 있었다. 이는 단순히 디지털 치료기기의 개발뿐만 아니라 지속가능하고 꾸준히 이용할 수 있는 중재 프로그램이 만들어져야 한다는 것을 뜻한다.
이는 단순히 디지털 치료기기의 개발뿐만 아니라 지속가능하고 꾸준히 이용할 수 있는 중재 프로그램이 만들어져야 한다는 것을 뜻한다. 또한 대상자 모집이 어려워 실험군의 수가 적고 본 연구를 진행하기 전, 탐색 임상연구로 대조군이 없는 실험으로 진행이 되었으나 추후 연구에서는 실험군과 대조군을 설정하여 임상실험이 진행되어야 할 것으로 생각된다.
또한, 운동을 성실하게 이행하였는지 확인하기 어렵기 때문에 관리자가 다음 운동을 처방할 때 적절한 운동을 선택하는 것이 어렵다. 이러한 이유로 제안된 알고리즘은 관리자의 운동 처방 사이에서 운동 효과를 극대화하기 위해 필요하다. 비록 제안된 모델을 학습하기 위해 사용된 데이터들이 인위적으로 생성되었을지라도, 전문가의 판단하에 라벨링 된 데이터베이스이기 때문에, 학습된 인공지능 모델은 전문가의 의사를 반영하여 운동 난이도를 조절하고 성실성을 판단한다.

참고문헌 (36)

Annethattil A, Ali M, Sabbagh A(2020). The reality of Covid？19 pandemic and its implication on physical activity and？exercise. Int J Med Exerc Sci, 6(4), 909-915.？https://doi.org/10.36678/IJMAES.2020.V06I04.008.
Beck JS, Beck AT(2020). Cognitive behavior therapy:？basics and beyond. 1st ed, New York, Guilford？Publications, pp.108-121.
Cho CH(2021). Clinical application of digital therapeutics？for insomnia. Sleep Med Psychophysiol, 28(1), 6-12.？https://doi.org/10.14401/KASMED.2021.28.1.6.

원문보기 상세보기
Cho CH, Lee T, Kim MG, et al(2019). Mood prediction of？patients with mood disorders by machine learning using？passive digital phenotypes based on the circadian rhythm:？prospective observational cohort study. J Med Internet R,？21(4), Printed Online. https://doi.org/10.2196/11029.

상세보기
Cho CH, Lee T, Lee JB, et al(2020). Effectiveness of a？smartphone app with a wearable activity tracker in？preventing the recurrence of mood disorders:？prospective case-control study. JMIR Men Health, 7(8),？Printed Online. https://doi.org/10.2196/21283.

상세보기
Davenport MH, Meyer S, Meah VL, et al(2020). Moms are？not ok: covid-19 and maternal mental health. Front？Glob Womens Health, 1, Printed Online.？https://doi.org/10.3389/fgwh.2020.00001.

상세보기
Guthold R, Stevens GA, Riley LM, et al(2018). Worldwide？trends in insufficient physical activity from 2001 to？2016: a pooled analysis of 358 population-based surveys？with 1.9 million participants. Lancet Glob Health,？6(10), 1077-1086. https://doi.org/10.1016/S2214-109X(18)30357-7.

상세보기
Ha TY, Lee HJ(2019). Presenting direction for the？implementation of personal movement trainer through？artificial intelligence based behavior recognition. J？Korea Converg Soc, 10(6), 235-242.
Hyun AH, Cho JY(2021). Effect of 8 weeks un-tact Pilates？home training on body composition, abdominal obesity,？pelvic tilt and strength, back pain in overweight women？after childbirth. Exerc Sci, 30(1), 61-69.？https://doi.org/10.15857/ksep.2021.30.1.61

상세보기
Jassim GA, Whitford DL, Hickey A, et al(2015).？Psychological interventions for women with non-metastatic breast cancer. Cochrane Database Sys Rev,？28(5), Printed Online. https://doi.org/10.1002/14651858.CD008729.pub2.

상세보기
Jesse HW, Gregory KB, Michael E(2017). Learning？cognitive-behavior therapy. 1st ed, Washington,？American Psychiatric Publishing, pp.108-121.
Kang SJ(2020). The paradigm of healthcare transformed？into DTx (Digital Therapy). Clinical Experimental？Emergency Medicine, 1, 13.
Kim DH, Lim JM, Kim GS(2021a). MQTT secure topic？generating mechanism in digital therapeutic platform.？Korean Institute Commun Informa Sci, 2021(2),？1076-1077.
Kim DW, Nam HJ, Lee SY, et al(2019). Multi-user？home-training healthcare system using kinect sensor and wearable devices. J Korean Insitute Commun Informa？Sci, 44(4), 719-727. https://doi.org/10.7840/kics.2019.44.4.719.

상세보기
Kim HS, Jeon WT, Yang GM, et al(2017). The age of？artificial intelligence (AI), healthcare future prospects.？Korean Med Assoc, 15(1), 86-102.
Kim HW, Lee HL, Son JE(2011). An exploratory study on？the determinants of smartphone app purchase. In The？11th international DSI and the 16th APDSI joint？meeting. Taipei, Taiwan, pp.1-10.
Kim KS(2002). Clinical trial design and ethics. J Korean？Acad of Fam Med, 23(5), 573-582.
Kim SH, Seo IH, Lee SM(2021b). Effect of at-home？workout participant"s expectations on perceived value？and intention to continue exercise. Korean Soc Sports？Sci, 30(4), 421-432. https://doi.org/10.35159/kjss.2021.8.30.4.421.

상세보기
Lee CY(2020). Digital therapeutics using brain waves XR？Research on how to create Contents. Korean J？Animation, 16(4), 197-209.
Lee DW, Jeong MB(2021). Effect of the untact trunk？stabilization exercise program on muscle thickness,？trunk strength, maximal expiratory flow, and static？balance. J Korean Soc Phys Med, 16(1), 73-81.
Lee KP, Lee YG, Yoon YJ(2018). The mediating effect of？exercise outcome expectation in the structural？relationship between exercise imagery, exercise outcome？expectation and intention to exercise adherence. Korean？J Sport Psychol, 29(2), 13-24. https://doi.org/10.14385/KSSP.29.2.13ISSN1226-685X.
Lee JY, Park CM, Moon SY, et al(2020). A study on the？digital therapeutics chatbot, U-Me for alleviating？depression and anxiety of young adults in 2030s.？Proceedings of HCI Korea, 2020(2), 960-965.
Lee SN(1991). The effect of exercise designed for the？aging on health promotion in the rural elderly. Graduate？school of Yonsei University, Republic of Korea,？Doctoral dissertation.
Moon JH, Bak IH(2017). The effects of self-exercise based？on health care application on upper extremity function？and daily living, satisfaction in patients with stroke. J？Korea Institute Electron Commun Sci, 12(3), 515-524.？https://doi.org/10.13067/JKIECS.2017.12.3.515.

원문보기 상세보기
Pantelopoulos A, Bourbakis NG(2009). A survey on？wearable sensor-based systems for health monitoring？and prognosis. IEEE Transactions on Systems, Man, and？Cybernetics, Part C (applications and reviews), 40(1),？Printed Online. https://doi.org/10.1109/TSMCC.2009.2032660.

상세보기
Richard M, Christina MF, Deborah LS, et al(1997).？Intrinsic motivation and exercise adherence. Int J Sport？Psychol, 28(4), 335-354.

상세보기
Silva Filho E, Xavier J, Cezarino L, et al(2020). Comment？on "the importance of physical exercise during the？coronavirus (covid-19) pandemic". Rev Assoc Med？Bras, 66(9), 1311-1313. https://doi.org/10.1590/1806-9282.66.9.1311.

상세보기
So R, Sim SS(2014). Study on impact of employee？involvement in leisure sports mobile applications on？sports participation, leisure satisfaction, and life？satisfaction. Korean Soc Sports Sci, 23(2), 185-200.
Sonmezer E, Ozkoslu MA, Yosmaoglu HB(2021). The？effects of clinical pilates exercises on functional？disability, pain, quality of life and lumbopelvic？stabilization in pregnant women with low back pain: a？randomized controlled study. J Back Musculoskelet？Rehabil, 34(1), 69-76. https://doi.org/10.3233/BMR-191810.

상세보기
Velez FF, Colman S, Kauffman L, et al(2021). Real-world？reduction in healthcare resource utilization following？treatment of opioid use disorder with reSET-O, a novel？prescription digital therapeutic. Expert Rev？Pharmacoecon Outcomes Res, 21(1), 69-76.？https://doi.org/10.1080/14737167.2021.1840357.

상세보기
Won YS, Moon JH, Roh JS(2018). The effects of tabata？exercise using health care application on balance, gait？and activities of daily living in patients with stroke. J？Korea institute Electron Commun Sci, 13(6), 1387-1396. https://doi.org/10.13067/JKIECS.2018.13.6.1387.

원문보기 상세보기
Wong YK, Hui E, Woo J(2005). A community-based？exercise programme for older persons with knee pain？using telemedicine. J Telemed Telecare, 11(6), 310-315.？https://doi.org/10.1258/1357633054893346.
Yap JYY, Keatch C, Lambert E, et al(2020). Critical？review of transcutaneous vagus nerve stimulation:？challenges for translation to clinical practice. Front？Neurosci, 14, Printed Online. https://doi.org/10.3389/fnins.2020.00284.

상세보기
Yoo J, Lee SA(2008). Cognitive-behavioral processes of？change over stages of exercise behavior for older adults.？Korean J Sports Sci, 17(4), 513-525.
Yoo MS, Lee HJ, Yoon JA(2009). Effects of a？cognitive-behavioral nursing intervention on anxiety and？depression in women with breast cancer undergoing？radiotherapy. J Korean Acad Nurs, 39(2), 157-165.
Ministry of Food and Drug Safety, National Institute of？Food and Drug Safety Evaluation. Digital therapeutics？authorization, evaluation guidelines (civil petitioner？guide), 2020. Available at https://www.mfds.go.kr/brd/m_1060/view.do?seq14596 Accessed February 25,？2022.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증