Earticle

초록

영어

Purpose: This study proposes a conceptual model of the CARS (CBRNe Advanced Response System) Digital Triage system by integrating multi-dimensional sensor data fusion with edge AI. The model supports medical decision-making during the golden hour of CBRNe disaster response. Methods: We defined a data acquisition layer encompassing CBRNe hazardous agents, environmental parameters, vital signs, and location/exposure information. We also designed an edge preprocessing pipeline based on selective Kalman filtering and sensor health–driven robust data fusion. Introducing an MCU+NPU dual-core edge processing unit using lightweight DNN/LSTM models enabled on-device inference and continuous re-triage algorithms. Lastly, we examined the validity of the conceptual architecture through a review of prior research on disaster medicine, edge computing, and sensor fault detection. Results: Conceptual analysis and literature review suggest that the proposed model can autonomously perform on-device digital triage on the smart PPE endpoint even in the event of partial or complete communication infrastructure failure. Compared with conventional static triage protocols, it has the potential to reduce under-triage, improve the accuracy of severity classification, and enhance the efficiency of medical resource allocation. Conclusions: This study presents a novel digital triage framework for CBRNe disaster response that integrates sensor health monitoring, selective Kalman filter–based multi-sensor fusion, and edge AI, thereby offering academic and practical implications for disaster medicine decision support. Future work should include training and validating AI models with real CBRNe scenario data and implementing hardware prototypes to evaluate performance and safety in clinical and field environments.

한국어

연구목적: 본 연구는 CBRNe 재난 현장의 골든아워 내 의사결정 지원을 위해, 다차원 센서 데이터 융합과 엣지 AI를 결합한 CARS (CBRNe Advanced Response System) Digital Triage 의 개념 모델을 제안하는 것을 목적으로 한다. 연구방법: CBRNe 유해물질, 환경, 생체신호, 위치·노출 정보로 구성된 데이터 수집 계층을 정의하고, 선택적 칼만 필터와 센서 건강도 기반 로버스트 융합으로 구성된 엣지 전처리 파이프라인을 설계하였다. 또한 , MCU+NPU 듀얼코어 구조의 엣지 프로세싱 유닛을 도입하여 온디바이스 추론이 가능한 경량 DNN/LSTM 모델과 연속 재분류(continuous re‑triage) 알고리즘을 설계하고, 기존 재난의학·엣지컴퓨팅·센서 결함 탐지 선행연구를 바탕으로 개념모델의 타당성을 검토하였다. 연구결과: 개념적 분석과 선행연구 고찰 결과, 본 연구에서 제안한 모델은 통신 인프라 붕괴 상황에서도 스마트PPE 단말 수준에서 외부에 의존하지 않고 자체적으로 디지털 트리아지를 수행할 수 있는 구조적 가능성을 보여주었다. 또한 기존의 정적 프로토콜에 비해 under-triage 감소, 중증도 분류의 강건성 향상, 의료 자원 배분 효율 증대에 기여할 잠재력이 있는 것으로 판단된다. 결론: 본 연구는 CBRNe 재난 대응에서 센서건강도 모니터링, 선택적 칼만 필터 기반 다중 센서 융합, 엣지AI를 통합한 새로운 디지털 트리아지 개념 모델을 제시하였다는 점에서 학술적·실무적 의의를 가진다. 향후에는 실제 CBRNe 상황 데이터를 활용한 모델 학습 및 검증, 하드웨어 프로토타입 구현, 그리고 임상 및 현장 환경에서의 성능·안전성 평가가 필요하다.

목차

ABSTRACT
요약
서론
연구의 배경
선행연구 고찰
연구목표 및 기여
CARS Digital Triage 시스템 아키텍처
전체 시스템 구성
데이터 수집 계층
AI기반 엣지 프로세싱 계층
통신 계층
Edge Processing Unit에서의 연산 흐름
연산 흐름의 요약
데이터 전처리 및 융합
센서 건강도 모니터링
고찰
결론
References

키워드

CBRNe 재난 디지털 트리아지 다중 센서 데이터 융합 센서 건강도 모니터링 선택적 칼만 필터 MCU+NPU 엣지 AI 온디바이스 추론 동적 재분류 스마트 PPE 재난의학 의사결정 지원 CBRNe Disaster Digital Triage Multi-sensor Data Fusion Sensor Health Monitoring Selective Kalman Filtering MCU+NPU edge AI On-device Inference Dynamic re-triage Smart PPE Disaster Medicine Decision Support

저자

• 이종태 [ Jongtae Lee | Graduate student, Department of Disaster Prevention and Safety, Gwangju University, Gwangju,Republic of Korea ]
• 김푸름 [ Pureum Kim | Researcher, College of Medicine, Chonnam National University, Gwangju, Republic of Korea ]
• 송창영 [ Changyoung Song | Professor, Department of Disaster Prevention and Safety, Gwangju University, Gwangju,Republic of Korea ] Corresponding Author

참고문헌

발행기관

간행물