화상 깊이의 분류는 초기 치료 방향과 예후를 결정하는 가장 중요한 요소입니다. 문제에서 제시된 소견인
붉은 피부,
물집,
심한 통증, 그리고
눌렀을 때 빠른 모세혈관 재충만은
표재성 부분층 화상(superficial partial-thickness burn), 즉
표재성 이도 화상의 전형적인 임상 양상입니다.
화상의 깊이는 전통적으로 표재성(superficial) 화상과 심재성(deep) 화상으로 크게 나뉘며, 표재성 화상은 빠른 재상피화(re-epithelialization)를 통해 최소한의 흉터로 치유되는 반면, 심재성 화상은 수술적 치료를 필요로 합니다
[1]. 이 문제에서 다루는 이도 화상(second-degree burn)은 부분층 화상(partial-thickness burn)으로, 진피(dermis)의 침범 깊이에 따라
표재성 이도 화상과
심재성 이도 화상(deep partial-thickness burn)으로 다시 세분화됩니다.
표재성 이도 화상의 임상적 특징
표재성 이도 화상은 진피의 유두층(papillary dermis)까지 손상된 상태입니다. 이 부위에는 감각 신경 말단과 모세혈관이 풍부하게 분포하기 때문에, 손상 시
통증이 매우 심하고 혈관 확장으로 인해
붉게 보이며, 혈관 투과성 증가로 진피-표피 경계부에
물집(blister)이 형성됩니다. 문제에서
눌렀을 때 혈색이 빠르게 돌아왔다는 것은 모세혈관 재충만(capillary refill)이 빠르다는 의미로, 진피의 혈류가 유지되고 있음을 시사합니다. 이는 혈관이 응고·폐쇄되어 창백하거나 혈색 회복이 느린 심재성 이도 화상과 감별되는 핵심 소견입니다.
화상 깊이 감별의 중요성
이도 화상은 임상에서 가장 흔히 접하는 화상 유형이지만, 진단과 분류에 통일된 기준이 없어 치료에 어려움이 따릅니다
[2]. 화상 깊이의 정확한 평가는 보존적 드레싱 치료와 수술적 치료(피부이식 등)를 결정하는 기준이 되므로 중요합니다. 그러나 육안을 통한 임상적 평가는 경험이 많은 화상 전문의가 시행하더라도 정확도가
60–75%에 불과하다고 보고됩니다
[1]. 이러한 한계를 보완하기 위해 초음파 영상 기반의 딥러닝 모델
[4]이나 화상 이미지의 다중 특징 표현을 활용한 자동 분류 방법
[3] 등이 연구되고 있습니다.
감별 포인트
| 구분 | 표재성 이도 화상 | 심재성 이도 화상 | 삼도 화상 |
|---|
| 침범 깊이 | 진피 유두층 | 진피 망상층 | 피부 전층 |
| 색조 | 붉음 | 붉거나 창백한 반점 | 백색, 갈색, 흑색 |
| 물집 | 있음 | 있거나 터져 있음 | 없음(가죽처럼 단단함) |
| 통증 | 심함 | 둔하거나 감소 | 없음(신경 파괴) |
| 모세혈관 재충만 | 빠름 | 느림 또는 없음 | 없음 |
| 치유 경향 | 빠른 재상피화, 최소 흉터 | 지연 치유, 비후성 흉터 위험 | 수술적 치료 필요 |
혼동 주의! 일도 화상(표재성 화상)은 붉고 통증이 있으나 물집이 없으며, 모세혈관 재충만이 빠르게 나타납니다. 물집의 존재 여부가 일도 화상과 이도 화상을 나누는 핵심 기준입니다.
핵심! 물집이 있고 통증이 심하며 모세혈관 재충만이 빠르면 표재성 이도 화상, 물집이 있더라도 통증이 둔하고 혈색 회복이 느리면 심재성 이도 화상을 의심합니다. 삼도 화상은 피부 전층이 괴사되어 감각이 소실되고 물집이 형성되지 않으므로, 통증이 없다는 점이 가장 중요한 감별 포인트입니다.
참고 문헌 (논문 출처)
- [1]
Assessment of burn depth and burn wound healing potential.일반논문Monstrey S, Hoeksema H, Verbelen J, Pirayesh A, Blondeel P (2008) · DOI: 10.1016/j.burns.2008.01.009
- [2]
Consensus on the treatment of second-degree burn wounds (2024 edition).가이드라인Ji S, Xiao S, Xia Z, Chinese Burn Association Tissue Repair of Burns and Trauma Committee, Cross-Straits Medicine Exchange Association of China. (2024) · DOI: 10.1093/burnst/tkad061
- [3]
Multi-feature representation for burn depth classification via burn images.일반논문Zhang B, Zhou J. (2021) · DOI: 10.1016/j.artmed.2021.102128
- [4]
A deep learning model for burn depth classification using ultrasound imaging.일반논문Lee S, Rahul, Lukan J, Boyko T, Zelenova K, Makled B, Parsey C, Norfleet J, De S. (2022) · DOI: 10.1016/j.jmbbm.2021.104930