시니어 주거 시설을 위한 레이더 낙상 감지

순진한 낙상 감지기는 본 데모에서 모든 낙상을 감지합니다. 그러나 동일한 야간 근무조에서 7회의 오경보를 발생시켰으며, 음소거된 패널은 아무것도 감지하지 못합니다.

민감도는 결코 걸림돌이 아니었습니다. Vigil은 레이더 센서와 너스콜 시스템 사이의 지능형 계층입니다. ALERT, SUPPRESS 또는 ROUTE TO HUMAN을 반환하고 이 모든 결정의 배후에 있는 피처 값을 기록하는 5단계 캐스케이드 구조를 갖추고 있습니다. 여기서 확인하실 수 있는 것은 실제 배포 환경이 아닌, 합성 레이더 피처 스트림 기반의 실행 가능한 데모입니다.

0 vs 7

데모 근무조 중 오경보 발생 건수

시드 기반의 1회 합성 근무조에서 순진한 베이스라인과 비교한 엔진 성능

1.0 vs 0.167

혼란 변수 특이도

고정된 360개 이벤트 합성 골든 세트 기준(실운영 환경 정확도가 아님)

2건 중 1건

실제 낙상 경보 발생

두 번째 낙상(다인실 공간)은 직원 직접 확인으로 라우팅됨

본 단계별 안내는 메모리 케어 병동에서의 1회 시드 기반 합성 야간 근무조를 재생합니다. 실제 레이더 하드웨어, 실제 시설, 입소자, PHI는 전혀 포함되지 않습니다.

아무도 신뢰하지 않는 시스템은 음소거되고, 음소거된 시스템은 아무것도 감지하지 못합니다.

알람 피로는 낙상 감지 시스템 도입이 실패하는 주된 원인입니다. 모니터링되지 않는 화장실과 천장 선풍기에도 울려대는 패널 사이에서 고민하는 간호부장(DON)은 결국 평균 약 $30,000에 달하는 부상 동반 낙상을 놓치는 두 가지 방식 중 하나를 선택해야 하는 처지입니다.

화장실이 가장 취약한 사각지대입니다

화장실은 가장 위험성이 높은 공간이자 카메라를 대안으로 쓸 수 없는 유일한 장소입니다. 미국 19개 주에서는 요양원 침실 내 카메라 사용을 규제하는 법률을 제정하여 동의 하에 입소자 침실 설치는 일반적으로 허용하지만, 사생활 보호를 이유로 화장실은 실제 적용에서 계속 제외되고 있습니다.

장시간 방치(long lie)가 부상을 키웁니다

바닥에 1시간 이상 쓰러져 방치된 노인 중 절반은 6개월 이내에 사망합니다. 새벽 4시 순회 중 발견된 낙상과 입소자가 아직 바닥에 있는 상태에서 즉시 호출이 발송된 낙상은 임상적으로 완전히 다른 사건입니다.

기존 방식은 거부 단계에서 실패합니다

기성 모션 센서와 침대 매트는 방 1개당 하루 5~15회의 오경보를 발생시킵니다. 이들이 해내지 못하는 것은 변기에 털썩 주저앉는 동작과 실제 낙상을 구분하는 것이며, 그 결과 야간 근무 직원은 패널을 음소거해 버리고 시스템은 결국 아무것도 감지하지 못하게 됩니다.

5단계 캐스케이드, 그리고 호출 발송과 입증 증거.

Vigil은 프레임별 레이더 피처 스트림을 기반으로 캐스케이드를 실행하고 그 결과를 모든 모델 외부에 위치한 정책 게이트로 전달합니다. 모델은 조언하고, 코드가 결정합니다. 결정론적 내러티브 조건이 먼저 성립해야 하며, 그 후에야 모델이 설정하지 않는 고정된 하한 기준에 맞춰 분류기의 신뢰도를 참조합니다. 모델 혼자서는 결코 알림을 임의로 만들어낼 수 없습니다.

01 / FEATURE EXTRACTION

운동학, 충격, 호흡, 타깃 클래스

엔진은 합성 레이더 피처 스트림으로부터 하강 운동학(시작 높이, 최대 속도, 최종 중심점 높이), 광대역 에너지 충격 마커, 충격 후 잔여 움직임, 호흡 대역 에너지, 그리고 타깃 클래스 대리 지표인 레이더 단면적(RCS) 및 종횡비를 도출합니다. 파이프라인의 어느 단계에서도 이미지나 영상은 전혀 존재하지 않습니다.

02 / PER-ROOM CLUTTER MAP

선풍기의 복셀을 파악하여 마스킹 처리

각 공간은 고유한 맵을 가집니다. 본 빌드가 사용하는 것은 기지(known)의 복셀 위치에서 마스킹된 천장 선풍기 및 창문형 에어컨 항목에 대한 고정 위치 도플러 마스크입니다. 방별 의자 및 침대 높이는 보정 데이터로 방 파일에 저장되어 있으나 V1 코드 경로에서는 읽지 않으며, 이는 실별 보정 작업 중 상당 부분이 여전히 통합 작업의 영역임을 솔직하게 보여줍니다.

03 / DUAL-STREAM CLASSIFIER

4가지 피처, 1개의 보정된 점수

학습된 로지스틱 모델이 정확히 4가지 피처(바닥 근접도, 충격 에너지, 하강 낙차, 레이더 단면적)를 판독하여 보정된 P(fall)로 융합합니다. 융합 단계는 처음부터 끝까지 직접 읽을 수 있는 numpy 코드로 구현되어 있습니다. CNN, PointNet 및 어텐션 융합으로의 상용 전환 경로는 문서화되어 있으며, 피처 의미 체계는 전환 후에도 변경되지 않습니다.

04 / TEMPORAL NARRATIVE VERIFIER

단일 8초 윈도우 내 4가지 조건

결정론적 코드는 동일한 8초 윈도우 내에서 4가지 조건이 모두 충족될 것을 요구하며, 윈도우 시작 5분의 1 구간에서 기립 상태가 확인되어야 합니다. 즉, 중심점 중앙값이 1.2 m 이상, 최대 속도 1.8 m/s 이상을 동반한 0.6 m 이상의 하강, 지속적인 광대역 충격(3개 프레임 이동 평균 0.50 초과로 단일 프레임 스파이크로는 충족 불가), 그리고 실제로 바닥 수준인 0.30 m 미만에 도달하는 중심점입니다.

05 / DETERMINISTIC POLICY GATE

고정된 임계값, 세 가지 판정

모든 모델 외부에 있는 결정 경로는 고정되고 문서화된 임계값을 갖춘 순수 코드입니다. 바닥 수준 0.30 m 미만, 호흡 하한 기준 0.20, 낙상 신뢰도 하한 기준 0.70입니다. 게이트는 ALERT, SUPPRESS 또는 ROUTE TO HUMAN을 출력하고 단계적 에스컬레이션 체계(0초 시점 CNA, 90초 시점 책임간호사, 180초 시점 간호부장)를 가동합니다. 게이트 내의 별도 하드코딩된 신뢰도 임계값은 다인실 이벤트를 직원 직접 확인으로 보냅니다.

06 / DISPATCH AND EVIDENCE

두 가지 너스콜 형식과 보관 가능한 기록

어댑터는 레거시 Rauland 무전압 접점 릴레이 신호(광절연 처리, UL 1069/2560 절연 유지)와 최신 Ascom 또는 Austco MQTT 및 REST JSON 페이로드를 모두 출력합니다. 이는 하드웨어에 연결되지 않은 로깅용 어댑터 스텁입니다. 근무조 감사 JSON은 모든 경보, 라우팅, 억제 건을 결정 피처와 함께 기록하며, 임상 사고 보고서는 이 구조화된 증거를 토대로 별도 작성됩니다.

1회의 시드 기반 야간 근무조, 12건의 이벤트, 기록으로 남는 모든 결정.

본 데모는 02:00부터 06:00까지 12개 모니터링 공간에 걸친 메모리 케어 병동 상황을 재생하며, 빠르거나 낮은 움직임을 모두 낙상으로 처리하는 순진한 기존 베이스라인과 함께 캐스케이드를 평가합니다. 12개 이벤트 모두 고정 시드 기반의 레이블이 지정된 물리 기반 합성 시나리오이며, 12개 타일은 12건의 이벤트에 해당하고 이 중 2건은 그리드에 이미 있는 공간을 다시 방문하므로 총 10개의 고유 공간입니다. 대시보드 그리드와 의사결정 원장(Decision Ledger)은 해당 공간을 Cam 1부터 Cam 12까지로 라벨링하며, 기저의 방 ID는 사고 세부 정보, 발송 페이로드 및 감사 기록에만 표시됩니다.

데모 근무조 중 Vigil 실시간 평면 뷰. Cam 3 화장실 타일은 빨간색 윤곽선과 함께 Fall Long-Lie 99%로 표시되고, Cam 2 타일은 Low Confidence to Human Check로 표시되며, 오른쪽 의사결정 원장에는 Cam 5 및 Cam 1에 대한 억제 내역과 각각의 결정 피처 값이 나열되어 있습니다. — ALERT. Cam 3(화장실)은 호흡이 감지되고 회복 움직임이 없는 바닥 수준의 완전한 낙상 내러티브를 확인하여, 엔진은 장시간 방치(long-lie) 상태에 대해 0.99의 신뢰도로 경보(ALERT)를 발령합니다. 그 주위로 원장은 이미 거부 처리를 기록하고 있습니다. Cam 1은 마스킹된 천장 선풍기 복셀로 인해, Cam 5는 강한 충격 없이 0.46 m 의자 높이에서 멈춘 급가속 속도로 인해 거부되었습니다.

Room 118B의 너스콜 배지 텍스트, 7초의 충격 후 경보 수치, Ascom 및 Austco MQTT와 Rauland 무전압 접점 전송 방식, CNA, 책임간호사, 간호부장(DON) 에스컬레이션 단계, 0.99 신뢰도 및 4.8초의 바닥 체류 시간이 포함된 JSON 발송 페이로드, 그리고 임상 사고 보고서를 보여주는 Cam 3 화장실의 Vigil 사고 세부 정보 패널. — 경보 이면의 상세 기록. 임의의 타일이나 원장 행을 열면 발송된 내용이 세부 정보 패널에 표시됩니다. 감사 기록의 Room 118B 화장실 너스콜 배지 텍스트, 0.99 신뢰도 및 4.8 s의 바닥 체류 시간을 담은 JSON 페이로드, 두 가지 전송 방식, 가동된 에스컬레이션 단계, 그리고 QAPI 편철용 구조화된 감사 증거로부터 작성된 임상 사고 보고서입니다. 패널에 표시된 7 s의 충격 후 경보 수치는 게이트가 홀드 타이머에 상수를 더해 계산한 표시값이므로 벤치마크된 시스템 속도가 아닌 앱 보고 수치로 해석해야 합니다.

Cam 2: 엔진이 단언하기를 거부한 실제 낙상

Cam 2는 정답 기준(ground truth)상 실제 낙상이며 P(fall)은 0.99에 달합니다. 해당 공간에는 두 명의 대상이 있고 1인 추적은 V1 적용 범위 밖이므로, 게이트는 낮은 신뢰도로 ROUTE TO HUMAN을 반환하며 낙상을 섣불리 단언하지 않습니다. 반면 순진한 베이스라인은 즉시 자동 발령합니다. 이번 근무조에서 2건의 실제 낙상이 발생했습니다. 1건은 경보 발령되었고 1건은 직원 확인으로 라우팅되었습니다. 고정 벤치마크에서 다인실 낙상 40건 중 40건이 동일한 방식으로 라우팅되었으며, 과잉 경보나 누락은 단 한 건도 없었습니다.

Cam 12부터 Cam 5까지의 억제 목록을 담은 완성된 Vigil 의사결정 원장. 기립 상태로 복귀하는 하향 움직임, 바닥 하강이 없는 주변 움직임, 0.44 m 의자 높이에서 멈춘 급가속 속도, 바닥 하강 없이 임계값 미만 신뢰도를 기록한 창문 및 에어컨 구역 행, 레이더 단면적 0.27의 비인간 타깃 등 각각의 사유가 기재되어 있습니다. — SUPPRESS, 10회, 그 사유와 함께. 억제(SUPPRESS) 역시 증거가 됩니다. 주 정부 감사관이 묻는 것은 왜 아무 일도 일어나지 않았는지이기 때문입니다. 여기 있는 모든 행은 그 사유를 명시하며, 대부분 결정 피처 값을 명시합니다. 몸을 숙였다가 다시 일어선 움직임(Cam 12 및 Cam 7), 화장실에서 0.44 m 높이로 주저앉은 안착(Cam 10), 인간 최소 기준 0.55 대비 0.27의 레이더 단면적을 보인 치료견 방문(Cam 6) 등입니다.

고정 합성 골든 세트 기준 기존 모델의 25회 대비 엔진의 예측 오경보 발생 건수 방당 일일 0.0회, 이번 근무조에서의 오경보 0 대 7건, 실제 낙상 2건 중 1건 포착 및 1건의 낮은 신뢰도 인적 확인 라우팅, 360개 레이블 지정 이벤트에 걸친 100% 혼란 변수 특이도를 보여주는 Vigil 근무조 결과 모달. — 측정 범위가 명시된 스코어보드. 엔진: 알림 1건, 라우팅 1건, 억제 10건, 오경보 0건. 순진한 베이스라인: 알림 9건(이 중 7건이 오경보). 방 1개당 일일 0.0회 및 25.0회 수치는 방당 일일 30회의 무해한 동작 트리거를 가정한 고정 360개 이벤트 합성 골든 세트로부터 산출된 예측치입니다. 실제 파일럿에서는 섀도 모드 보정 후 방 1개당 일일 2회 미만의 오경보를 목표로 합니다.

데모가 입증하는 것, 그리고 한계점.

캐스케이드와 순진한 베이스라인은 노이즈가 포함된 360개의 레이블 지정된 고정 합성 이벤트 세트에서 모두 1.0의 낙상 민감도를 기록합니다. 둘을 가르는 것은 혼란 변수 특이도로, 베이스라인의 0.167에 대해 캐스케이드는 1.0을 기록합니다. 융합 가중치는 골든 세트를 생성한 생성기와 동일한 데모 자체 시나리오 생성기에서 적합되었으며, 이는 기술적 독자가 제기해야 할 첫 번째 이의 제기 사항입니다. 그러나 이러한 성능 차이는 조작된 것이 아니라 정당하게 획득된 결과입니다. 각 혼란 변수는 개별 피처 측면에서 실제 낙상과 중첩되도록 생성되었으며, 이것이 바로 순진한 감지기가 완전히 속아 넘어가는 이유입니다.

질문	본 데모에서 Vigil이 수행하는 작업	데모 외부에 남아 있는 작업
혼란 변수 배제	5단계 캐스케이드를 실행하고 근무조 내 10건의 억제 각각에 대한 결정 피처 값을 기록합니다.	시설 고유의 클러터, 보행 패턴, 가구 배치에 맞춘 튜닝(실별 보정 작업 영역).
다인실 공간	낙상을 단언하는 대신 낮은 신뢰도로 직원 직접 확인으로 라우팅(고정 벤치마크 40건 중 40건).	단일 인물 추적 및 다인실 개체 구분(차후 버전으로 연기됨).
감사 및 QAPI 입증 증거	모든 경보, 라우팅, 억제 건과 해당 결정 피처 값 및 정책 사유가 포함된 근무조 감사 JSON을 내보냅니다.	EHR 또는 MDS 기록으로의 일체 쓰기 작업 및 감사 데이터 대상의 대화형 조회 인터페이스.
너스콜 호출 발송	Rauland 무전압 접점 신호와 Ascom 또는 Austco MQTT 및 REST 페이로드를 모두 출력하여 로깅합니다.	연결된 너스콜 하드웨어, 현장 커미셔닝 및 배포 경로에 대한 인증.

본 데모가 수행하지 않는 작업

본 데모는 실제 레이더 하드웨어, 실제 60 GHz 처프 신호 또는 실제 배포된 센서를 사용하지 않습니다. RF 프론트엔드는 합성 피처 스트림입니다. 너스콜 경로는 아무것도 연결되지 않은 로깅용 어댑터 스텁입니다. 어떤 종류의 EHR 또는 MDS 쓰기도 없으며, 감사 기록에 대한 대화형 자연어 조회도 제공되지 않습니다. 예측형 보행 분석, 공용 구역용 Wi-Fi 센싱, 다인실 개체 구분, 임베디드 실리콘으로의 엣지 포팅은 모두 향후 개발 과제입니다. 메모리 케어 병동, 해당 공간들, 이벤트 및 치료견은 모두 합성 데이터입니다. 실제 입소자, 고객, 파일럿, PHI는 존재하지 않습니다. Vigil은 의료기기가 아니며 FDA 승인, 510(k), 임상 검증, 자체적인 CMS 또는 UL 인증을 보유하고 있지 않습니다. 어댑터는 발송 경로상에서 UL 1069/2560 절연을 유지합니다. 본 데모의 어떠한 내용도 직원, 임상적 판단 또는 의사의 평가를 대체하지 않습니다.

감지 계층을 신뢰하기 전에 임상 및 운영 책임자들이 묻는 질문들.

야간 근무 직원에게 실제로 얼마나 많은 오경보가 발생합니까?

데모만으로 그 질문에 정직하게 답할 수 있는 사람은 없으므로, 수치 이면의 가정을 판단하셔야 합니다. 방당 일일 0.0회라는 수치는 문헌에서 기존 센서에 대해 보고된 일일 5~15회를 웃도는 방당 일일 30회의 무해한 동작 트리거를 가정한 것이며, 실제 병동이 아닌 고정 합성 골든 세트에서 나온 결과입니다. 실제 파일럿은 섀도 모드 보정 후 방 1개당 일일 2회 미만의 오경보를 목표로 하며, 이것이 귀하께서 당사에 요구하셔야 할 기준 수치입니다.

이것을 입소자의 화장실에 실제로 설치할 수 있습니까?

레이더 피처는 어떤 시점에도 이미지나 비디오를 포함하지 않으므로 식별 가능한 정보가 캡처되지 않으며, 이것이 바로 해당 공간에 접근할 수 있게 해주는 핵심입니다. 미국 19개 주에서는 요양원 침실을 대상으로 하는 카메라 법률을 제정하여 입소자 동의 하에 침실 설치는 일반적으로 허용하지만, 사생활 보호를 이유로 화장실은 실제 적용에서 제외하고 있습니다. 어떠한 배포 시에도 귀하 자체의 개인정보 보호 검토 및 입소자 동의 절차는 여전히 필요합니다.

이번 근무조의 모든 낙상을 감지했습니까?

아닙니다. 데모 근무조 중 2건의 실제 낙상이 발생했습니다. 엔진은 Cam 3 화장실 장시간 방치(long-lie)에 대해 0.99 신뢰도로 경보를 발령했고, Cam 2 이벤트는 낮은 신뢰도로 직원 확인으로 라우팅했습니다. 해당 공간에 두 명의 대상이 있었고 1인 추적은 V1 적용 범위 밖이었기 때문입니다. 두 명의 대상이 있는 상황에서 섣불리 낙상을 확신하는 단언은 야간 근무 직원들이 패널을 불신하게 만드는 바로 그 오류이므로, 모호한 상황은 사람에게 전달됩니다.

경보가 울리지 않은 이유를 묻는 감사관에게 무엇을 제시해야 합니까?

내보낸 근무조 감사 JSON은 최상위 키 engine, facility, shift, metrics, events, _note 아래에 모든 경보, 라우팅, 억제 건과 해당 결정 피처 값 및 정책 사유를 포함하고 있습니다. 임상 사고 보고서는 QAPI 편철용 또는 CMS F689 파일용으로 해당 구조화된 증거를 토대로 별도 작성되며 내보내기 파일 내부에는 포함되지 않습니다. 누구에게 문서를 전달하기 전에 알아두어야 할 한 가지 세부 사항은 내보내기 파일의 engine 필드에 제품명이 아닌 내부 빌드명이 기록된다는 점입니다.

간호사를 호출할지 여부를 AI 모델이 단독으로 결정합니까?

아닙니다. 모델 혼자서는 결코 알림을 임의로 만들어낼 수 없습니다. 분류기의 P(fall)을 참조하기 전에 기립, 하강, 지속적 충격, 바닥 도달이라는 결정론적 내러티브 조건이 모두 동일한 8초 윈도우 내에서 성립해야 하며, 그 후 모델이 설정하지 않는 고정된 0.70 하한 기준과 비교 검증됩니다. 신뢰도가 낮으면 경보가 억제로 전환될 수 있으므로, 모델은 결정을 하향 제한할 뿐 상향하지는 않습니다.

이를 사용하려면 기존 너스콜 시스템을 교체해야 합니까?

발송 어댑터는 두 가지 형식을 모두 출력하므로 어느 세대의 너스콜 시스템 앞단에도 배치될 수 있습니다. 즉, UL 1069/2560 절연을 유지하는 광절연 레거시 Rauland 무전압 접점 릴레이 신호와 최신 Ascom 또는 Austco MQTT 및 REST JSON 페이로드입니다. 본 데모에서는 너스콜 하드웨어가 연결되지 않은 로깅용 어댑터 스텁입니다. Vigil은 센서와 귀하가 이미 운영 중인 시스템 사이의 계층이며, 둘 중 어느 것도 대체하지 않습니다.

기술 연구

본 데모의 기반 연구 — 아키텍처, 검증 설계 및 엔터프라이즈 청사진.

전체 솔루션

스마트 시설 낙상 감지 솔루션 알아보기 →

현재 모니터링할 수 없는 공간부터 시작하십시오.

우리는 센서를 판매하지 않습니다. 우리는 센서를 유용하게 만드는 지능형 계층을 구축하며, 낙상을 포착하는 것은 전체 과제의 절반에 불과하다는 점을 이미 잘 알고 계신 시니어 주거 시설 운영진과 임상 기술 팀을 위해 이를 만들었습니다.

시설의 63%가 인력 부족을 겪고 있는 상황에서 거짓 경보를 남발하는 패널은 야간 근무자가 가장 먼저 꺼버리는 대상입니다. 유용한 첫 상담에서는 시설 평면도의 고정 클러터, 현재 모니터링되지 않는 방, 그리고 지난번 주 정부 감사에서 실제로 요구받은 제출 자료를 검토합니다. 저희는 귀하의 임상 팀과 협력하여 보정 및 섀도 모드 계획을 함께 수립할 수 있습니다.

감지 계층 설계

✓ 캐스케이드 및 피처 설계
✓ 실별 클러터 보정
✓ 결정론적 게이트 임계값
✓ 혼란 변수 세트 정의

입증 증거 및 통합

✓ 근무조 감사 스키마
✓ 너스콜 어댑터 매핑
✓ 에스컬레이션 체계 설계
✓ 섀도 모드 보정 계획

WhatsApp으로 문의 저희 팀에 이메일 문의