구급차 안에서부터 응급실로 이어지기까지 환자의 신속한 치료를 돕기 위한 AI가 개발됐다. 응급실로 가기 전 구급차 안에서는 응급조치 외에도 각종 바이탈 사인을 체크하며, 수용 가능 병원을 확인해야 하고, 또 각종 기록을 응급실 의사에게 전달하는 일련의 과정에서 치료를 위한 골든타임을 놓치기 쉽다. 무엇보다 구급대원의 기억에 의존해 기록을 작성한다는 점에서 어려움이 있었다. 세브란스 심장혈관병원 심장내과 장혁재 교수는 이 같은 어려움을 해결하기 위해 소방청 R&D 과제로 추진된 ‘지능형 구급활동지원 플랫폼’을 개발해 1단계 연구개발을 완료하고 통합 시제품을 구현했다. 이번 1단계 연구에서는 구급대원의 현장 기록, 병원 전달 과정을 지원하기 위해 인공지능(AI) 모델을 통합하며 구급차와 응급실 간 빠른 소통에 초점을 맞췄다. 총 10종의 인공지능을 통합해 만들어낸 4가지 카테고리에는 응급 대화에 특화한 음성인식 모델을 이용한 ▲응급정보 변환 인공지능, 구급현장에서 환자의 상태 악화를 예측하는 모델 등을 통합한 ▲응급상황 예측 인공지능이 있다. 또. 응급실에서 공식적으로 환자의 중증도를 평가하기에 앞서 구급차 내 CCTV에 담긴 환자 상태를 기반으로 평가하

고려대학교 안산병원 유방내분비외과 장영우 교수가 올해에만 로봇수술 280건 이상을 시행하며 29일 기준 개인 통산 1000례를 달성했다. 수술 분야는 갑상선암을 비롯해 부신종양, 부갑상선종양 등이며 이 중 갑상선암 로봇수술만 850건 이상 집도했다. 장 교수는 2023년 초, 기존 방식과 차별된 GOSTA(Gas-insufflation One-step Single-port Transaxillary Approach) 로봇수술을 세계 최초로 개발하며 학계의 주목을 받았다. GOSTA는 겨드랑이 주름을 따라 약 2cm 내외의 단일 절개창을 내고 가스를 주입한 뒤 다빈치 SP(Single-Port) 로봇수술기를 투입해 갑상선암을 절제하는 수술법이다. 목에 흉터를 남기지 않고 충분한 수술 시야를 확보할 수 있어 정교한 수술이 가능하다는 점이 특징이다. 특히 피부 아래 감각신경과 성대 기능을 담당하는 주요 신경 보존에 유리해 수술 후 통증과 목소리 변화 등 후유증을 최소화한다. 또한 이 수술법은 갑상선암이 목 옆의 측경부 임파선까지 전이된 경우 시행하는 측경부임파선곽청술에도 적용 가능하다. 기존에는 목 부위를 약 15cm 이상 절개해야 했던 고난도 수술을 겨드랑이 단일

매듭 없이 봉합이 가능한 실을 사용해 부인과 수술 후 주요 합병증인 절개탈장을 효과적으로 예방할 수 있다는 국내 연구 결과가 발표됐다. 분당서울대병원 산부인과 김기동 교수팀은 국내 주요 의료기관과 공동으로 진행한 연구에서 '바브드 봉합사(Barbed Suture)’가 부인과 수술 시 절개한 복벽 근막 봉합에 안전하게 사용 가능하다고 밝혔다. 이 실은 표면에 미세한 돌기가 있어 매듭 없이도 조직을 견고하게 고정할 수 있는 것이 특징으로 미늘(가시) 봉합사라고도 표현한다. 자궁경부암, 난소암 등 부인과 질환을 치료할 때는 복부 중간을 수직으로 절개하는 '정중 개복수술'을 진행한다. 이때 복부를 둘러싼 결합 조직인 복벽 근막도 함께 절개하는데, 수술 후 제대로 봉합하지 않으면 장기가 복벽 근막의 틈으로 노출되는 '절개탈장'이 발생할 수 있다. 절개탈장은 수술 후 가장 큰 합병증 중 하나로, 일반적으로 개복수술 환자의 10~23%에서 발생한다. 재수술을 유발할 수 있고 회복 속도도 지연돼 2차 감염이나 염증을 일으킬 수 있어, 절개탈장 예방은 수술 후 회복에 중요한 부분을 차지한다. 절개탈장을 예방하기 위해서는 복벽 근막을 견고하게 봉합하는 것이 핵심인데, 기존 봉

서울대어린이병원은 최근 브라이텍스 한국 판매 법인 ‘세피앙’으로부터 병원 발전기금 1억원을 전달받았다고 밝혔다. 이번 기부금은 서울대어린이병원의 의료 환경 개선과 노후 병동 리모델링을 위해 사용될 예정이다. 서울대어린이병원은 1985년 개원 이후 40년간 수많은 중증희귀난치질환 소아 환자들을 치료하고 있다. 연간 약 9만 6000여명의 환자가 입원 치료를 받고 있지만, 병동 노후화 문제로 인해 치료 환경 개선의 필요성이 꾸준히 제기되어 왔다.