나폴레옹 시대 전장에서 부상자의 치료 우선순위를 결정하기 위해 처음 고안된 전통적인 응급 환자 분류 체계인 트리아제가 인공지능(AI) 기술을 통해 근본적인 변혁을 맞이하고 있다. 과거의 의료 시스템은 가용 인력과 의약품 등 물리적 자원의 한계에 따라 효율성이 결정되었으나, 최근 컴퓨터 비전과 로봇 공학 및 머신러닝의 비약적인 발전은 이러한 고질적인 제약을 기술적으로 극복하고 있다. 이에 따라 미국 국방고등연구계획국(DARPA)은 자율 시스템을 활용한 응급 처치 효율 극대화를 목표로 3개년 프로젝트인 '트리아제 챌린지'를 본격적으로 출범시켰다. 특히 이 프로젝트는 건물 붕괴 현장이나 극심한 교전 지역처럼 구조대원이 직접 진입하기에 위험 요소가 많은 환경에서 센서를 탑재한 로봇이 피해자의 생체 신호를 정밀하게 탐지하는 데 초점을 맞추고 있다.

이러한 기술적 흐름의 중심에 서 있는 펜실베이니아 대학교의 PRONTO 팀은 메타(Meta)가 개발한 혁신적인 AI 모델인 ‘세그먼트 애니씽 모델(SAM)’과 ‘DINO’를 현장에 적극 도입하고 있다. 이들은 드론과 지상 이동 로봇을 재난 현장에 투입하여 광범위한 지역을 신속하게 스캔하고, SAM의 고도화된 객체 분할 기능을 활용해 잔해 속에서도 사상자를 명확하게 식별해낸다. 한편 DINO 모델은 별도의 라벨링된 데이터 학습 없이도 다양한 환경에서 일반화된 특징을 추출할 수 있는 강점이 있어 복잡하고 비정형적인 의료 영상 분석에서 매우 탁월한 성능을 발휘한다. 또한 연구팀은 ‘그라운딩 DINO’ 기술을 통합 적용하여 '상처'나 '출혈'과 같은 간단한 텍스트 프롬프트만으로도 특정 외상 징후를 즉각 감지해내며 구조대원들에게 입체적인 현장 정보를 실시간으로 제공하고 있다.

단순한 사상자 식별을 넘어 PRONTO 팀은 자세 추정 모듈과 정밀 골격 비교 알고리즘을 결합하여 심박수, 호흡수, 의식 상태 등 생명과 직결된 핵심 생체 징후를 원격으로 모니터링한다. 실제로 로봇이 수집한 이 데이터들은 현장의 의료진에게 끊김 없이 전송되어 가장 시급한 처치가 필요한 환자를 선별하는 데 결정적인 역할을 수행하고 있다. 펜실베이니아 대학교에서 로봇 공학 및 머신러닝을 연구하는 에릭 이튼(Eric Eaton) 연구 교수는 이번 프로젝트의 궁극적인 목표가 기술의 고도화를 넘어 실제 현장에서 인명을 구하는 실질적인 도구로 활용되는 것이라고 거듭 강조했다. 또한 이번 DARPA 챌린지는 외상 외과 전문의와 머신러닝 전문가들이 유기적으로 협력할 수 있는 장을 마련함으로써, 최첨단 기술이 실제 위기 상황에 배치되기 전 안전성과 신뢰성을 철저히 검증하는 핵심적인 플랫폼으로 자리 잡았다.

나폴레옹 시대 전장에서 부상자의 치료 우선순위를 결정하기 위해 처음 고안된 전통적인 응급 환자 분류 체계인 트리아제가 인공지능(AI) 기술을 통해 근본적인 변혁을 맞이하고 있다. 과거의 의료 시스템은 가용 인력과 의약품 등 물리적 자원의 한계에 따라 효율성이 결정되었으나, 최근 컴퓨터 비전과 로봇 공학 및 머신러닝의 비약적인 발전은 이러한 고질적인 제약을 기술적으로 극복하고 있다. 이에 따라 미국 국방고등연구계획국(DARPA)은 자율 시스템을 활용한 응급 처치 효율 극대화를 목표로 3개년 프로젝트인 '트리아제 챌린지'를 본격적으로 출범시켰다. 특히 이 프로젝트는 건물 붕괴 현장이나 극심한 교전 지역처럼 구조대원이 직접 진입하기에 위험 요소가 많은 환경에서 센서를 탑재한 로봇이 피해자의 생체 신호를 정밀하게 탐지하는 데 초점을 맞추고 있다.

이러한 기술적 흐름의 중심에 서 있는 펜실베이니아 대학교의 PRONTO 팀은 메타(Meta)가 개발한 혁신적인 AI 모델인 ‘세그먼트 애니씽 모델(SAM)’과 ‘DINO’를 현장에 적극 도입하고 있다. 이들은 드론과 지상 이동 로봇을 재난 현장에 투입하여 광범위한 지역을 신속하게 스캔하고, SAM의 고도화된 객체 분할 기능을 활용해 잔해 속에서도 사상자를 명확하게 식별해낸다. 한편 DINO 모델은 별도의 라벨링된 데이터 학습 없이도 다양한 환경에서 일반화된 특징을 추출할 수 있는 강점이 있어 복잡하고 비정형적인 의료 영상 분석에서 매우 탁월한 성능을 발휘한다. 또한 연구팀은 ‘그라운딩 DINO’ 기술을 통합 적용하여 '상처'나 '출혈'과 같은 간단한 텍스트 프롬프트만으로도 특정 외상 징후를 즉각 감지해내며 구조대원들에게 입체적인 현장 정보를 실시간으로 제공하고 있다.

단순한 사상자 식별을 넘어 PRONTO 팀은 자세 추정 모듈과 정밀 골격 비교 알고리즘을 결합하여 심박수, 호흡수, 의식 상태 등 생명과 직결된 핵심 생체 징후를 원격으로 모니터링한다. 실제로 로봇이 수집한 이 데이터들은 현장의 의료진에게 끊김 없이 전송되어 가장 시급한 처치가 필요한 환자를 선별하는 데 결정적인 역할을 수행하고 있다. 펜실베이니아 대학교에서 로봇 공학 및 머신러닝을 연구하는 에릭 이튼(Eric Eaton) 연구 교수는 이번 프로젝트의 궁극적인 목표가 기술의 고도화를 넘어 실제 현장에서 인명을 구하는 실질적인 도구로 활용되는 것이라고 거듭 강조했다. 또한 이번 DARPA 챌린지는 외상 외과 전문의와 머신러닝 전문가들이 유기적으로 협력할 수 있는 장을 마련함으로써, 최첨단 기술이 실제 위기 상황에 배치되기 전 안전성과 신뢰성을 철저히 검증하는 핵심적인 플랫폼으로 자리 잡았다.