Issue 000 · Preview
How AI becomes useful inside rehab workflows
AI는 재활 워크플로우 안에서 어떻게 유용해지는가
Working thesis: AI in rehab succeeds when it reduces documentation burden while preserving clinical reasoning.
작업 가설: 재활 AI는 기록 부담을 줄이면서도 임상 추론을 보존할 때 실제로 성공합니다.
1. Field signals
1. 현장 신호
Clinical AI is shifting from answer generation to workflow evidence. The important question is whether a system can preserve context across intake, assessment, documentation, and follow-up.
임상 AI는 답변 생성에서 워크플로우 근거화로 이동하고 있습니다. 중요한 질문은 시스템이 접수, 평가, 기록, 팔로업 전반에서 맥락을 보존할 수 있는가입니다.
2. Physical therapy lens
2. 물리치료 관점
For rehab, usefulness depends on pain, function, movement quality, adherence, and response over time. AI should compress documentation without flattening clinical reasoning.
재활에서 유용성은 통증, 기능, 움직임의 질, 순응도, 시간에 따른 반응을 함께 봐야 결정됩니다. AI는 임상 추론을 단순화하지 않으면서 기록 부담을 줄여야 합니다.
3. Kinelo build note
3. Kinelo 빌드 노트
The next useful product layer is a researcher-facing workflow: project setup, video labeling, schema definition, review, and exportable evidence assets.
다음으로 필요한 제품 레이어는 연구자용 워크플로우입니다. 프로젝트 생성, 영상 라벨링, 스키마 정의, 리뷰, 내보낼 수 있는 근거 자산까지 연결되어야 합니다.
4. Source trail
4. 근거 경로
Each issue should point back to papers, datasets, product demos, implementation notes, or internal review logs. The public page shows claims; the private system keeps the raw trail.
각 이슈는 논문, 데이터셋, 제품 데모, 구현 노트, 내부 리뷰 로그로 되돌아갈 수 있어야 합니다. 공개 페이지에는 주장과 요약을 두고, 원자료 경로는 내부 시스템에 보존합니다.