Pure Twin
사람의 건강 기록을 연결
의료진과 환자를 연결하는 기록·동의 흐름을 출발점으로, 개인별 3D 형상과 시간에 따른 변화를 다루는 연구를 이어갑니다.
의료기관 · 개인 건강관리모든 제품
Healthcare / Digital Twin
Pure Twin
건강 기록에서 개인의 디지털 트윈으로.
Pure Twin은 진료 기록과 개인 건강 데이터를 연결하는 헬스케어 디지털트윈입니다. 의료진의 기록 입력과 환자의 정보 접근을 연결하고, 환자 동의를 중심으로 데이터 공유를 설계합니다. 기록 연결에서 개인별 3D 모델링으로, 사람의 건강관리에서 반려동물·바이오 분야로 적용 범위를 넓혀갑니다.
- Focus
- Healthcare의료진과 환자를 연결
- Input
- Clinical data프로필 · 검사 · 진료 기록
- Trust
- Pure Chain동의 기반 접근 이력
- Direction
- Digital Twin3D·AI 기능 단계적 개발
공동 개발 · PureGlobal + NSLab / 앱 배포 · 라셀릭
라셀릭 트윈 앱 출시 소식 ↗Connected workflows
환자와 의료진이 같은 맥락을 이해하도록.
검사 수치, 진료 기록, 일상 건강 데이터가 서로 분리되지 않도록 연결합니다. 환자는 자신의 정보를 살펴보고, 의료진은 축적된 기록을 바탕으로 건강 변화의 맥락을 확인하는 경험을 지향합니다.
Interactive anatomy / Research direction
기록을 넘어, 입체적으로 이해하다.
간 모델로 살펴보는 디지털 트윈의 다음 경험.
LIVER / REFERENCE MODEL연구 방향 · 인터랙티브 예시
하나의 장기를 여러 각도에서 살펴봅니다. 개인별 모델을 이해하기 위한 3D 인터페이스의 예시입니다.
공개 참조 모델을 이용한 시각화입니다. Pure Twin의 환자별 생성 결과나 의료 진단 기능을 나타내지 않습니다.
모델 출처: Kristen Browne & Heidi Schlehlein · Human Reference Atlas / HuBMAP, Liver Male v1.1 · CC BY 4.0. 원본 형상 유지 · 웹 뷰어 및 미리보기 적용.
건강 데이터를 넘어, 개인의 신체 구조까지.
의료영상에서 장기와 근육의 형태를 추출하고, 개인별 3D 모델로 연결합니다. 같은 구조로 정렬된 모델은 체적과 형상의 변화를 비교하는 기반이 됩니다.
RL장기 영역과 윤곽을 표현한 개념 시각화
간 · 비장 · 양쪽 신장, 색상 분포는 분석 표현 예시이며 실제 측정값이 아닙니다.
사람과 촬영 시점이 달라도 같은 정점 구조를 공유합니다.
연구 파이프라인의 처리 과정을 설명하기 위해 재구성한 이미지로, 실제 환자 영상이나 측정 결과가 아닙니다.
- 01
영상에서 형태로
CT · MRI의료영상에서 장기와 근육의 영역을 구분하고 3D 표면으로 변환합니다.
- 02
개인별 형태 정합
통계적 형상 모델형상 모델을 개인의 관측 표면에 맞춥니다.
- 03
3D 모델 비교
체적 · 형상 · 변화동일한 구조의 모델로 시점 간 비교를 지원합니다.
관측과 추정을 구분하는 설계
촬영 범위가 잘린 부위는 보이는 표면을 바탕으로 보완하고 예측 구간을 함께 산출합니다. 결과는 관측·추정·산출 보류로 구분해 모델의 근거와 불확실성을 함께 다룹니다.
연구 원고 · Patient-Specific 3D Anatomical Part Models from CT, MRI and Projection Images
One foundation / Multiple applications
하나의 기술 기반, 더 넓은 적용 분야.
데이터 연결과 3D 모델링을 공통 기반으로 발전시켜, 대상과 현장에 맞는 서비스로 확장합니다.
PurePet
반려동물의 일상과 진료를 연결
보호자·수의사 포털과 반려동물 기록을 연결하고, 행동 데이터와 센서 정보를 디지털 트윈에 반영하는 확장 방향을 구체화합니다.
동물병원 · 반려동물 서비스PureBio
부위별 모델과 데이터의 결합
3D 부위 분할·조립·변형을 공통 기술로 발전시키고, 연구 데이터와 지식 검색을 연결하는 모듈형 구조를 지향합니다.
바이오 연구 · 전문기관 협업Shared technology direction
기록 연결 → 부위별 3D 모델 → 시점별 비교 → 분야별 서비스
PurePet·PureBio는 제공 자료에 따른 확장 로드맵입니다. 센서 연동, AI 예측, 기관 간 연계는 연구·개발 및 검증을 거쳐 단계적으로 구체화합니다.
Core capabilities
하나로 연결되는 핵심 경험
진료 기록 연결
환자 등록과 검사 항목 입력을 통해 의료진의 기록을 환자 정보와 연결하는 흐름을 구성합니다.
환자 중심 접근
의료진이 발급한 시리얼 키를 통해 환자 앱을 연결하고 개인 기록을 확인하는 온보딩 흐름을 제공합니다.
동의 기반 공유
누가 어떤 정보에 접근할 수 있는지 동의를 중심으로 관리합니다. Pure Chain 기반 접근 동의 이력과 문서 무결성 연계를 발전시키고 있습니다.
How it connects
사용 흐름
- 01
환자 등록
의료진이 환자 프로필을 등록하고 연결용 시리얼 키를 발급합니다. 환자 정보와 이후 입력되는 기록의 기준점을 만드는 단계입니다.
- 02
진료·검사 기록 입력
검사 종류에 맞춰 결과와 진료 정보를 입력합니다. 서로 다른 검사와 일상 데이터를 한 사람의 기록 흐름 안에서 살펴보도록 구성합니다.
- 03
환자 앱 연결
환자는 발급받은 키를 통해 앱을 연결합니다. 의료진이 입력한 기록과 본인의 정보를 확인하는 접근 경로를 마련합니다.
- 04
동의와 기록 확인
어떤 기관이 기록에 접근할 수 있는지 동의 상태를 확인합니다. 공유 권한과 기간을 관리하는 흐름으로 발전시키고 있습니다.
Inside the workspace
진료 현장의 입력에서 시작하는 연결
소개자료의 의료진 화면은 환자 선택, 검사 항목 구분, 결과 입력을 하나의 흐름으로 보여줍니다. 만성질환, 장내미생물, 구강, 검사실 결과 등 기록 유형을 구분해 필요한 정보를 모으는 구조입니다. 화면에 보이는 자동 입력·AI 메뉴는 실제 제공 상태와 구분해서 봐야 합니다.
Trust & verification
건강 기록의 공유는 동의에서 시작합니다.
건강 정보의 내용과 접근 권한, 무결성 기록을 서로 구분합니다. 환자가 자신의 정보에 대한 접근을 관리하고, 기관은 허용된 범위에서 기록을 확인하도록 설계합니다. 원본 의료정보를 공개 블록체인에 올리는 방식으로 소개하지 않습니다.
동의와 접근 이력
누가 무엇을 볼 수 있는지에 대한 동의 기록을 Pure Chain과 연결합니다. 동의 변경과 기간에 따른 접근 관리가 핵심입니다.
기록 잠금과 봉인
원본 데이터의 암호화와 해시 기반 봉인, 사후 무결성 대조를 연결하는 단계입니다. 소개자료에서 일부 구현·후속 개발 범위로 구분합니다.
Development scope
현재의 연결 기반, 다음 단계의 디지털트윈
시연에서 확인할 수 있는 데이터 흐름과 다음 단계의 기능을 나눠 소개합니다. 아래 개발 방향은 출시 일정이나 진단 성능의 보증을 뜻하지 않습니다.
등록·기록·앱 연결
의료진의 환자 등록과 진료 정보 입력, 시리얼 키를 통한 환자 접근, 동의 기반 데이터 공유 흐름을 소개합니다.
3D·AI 건강 인사이트
개인 기록의 3D 시각화와 건강 데이터 해석 보조를 발전시키는 단계입니다. 위험 예측·가상 상담은 현재 제공 기능으로 단정하지 않습니다.
현재 소개 범위는 데이터 연결과 동의 기반 접근 흐름입니다. 3D 트윈 시각화, AI 건강 인사이트 및 일부 암호화·무결성 연계는 단계적으로 개발 중이며, 질병 진단·예측 성능을 보증하는 내용이 아닙니다.
Related resources
전체 자료 ↗관련 소식 · 연구 자료
언론 보도
라셀릭코리아·금오공대ICT·퓨어글로벌, 의료 데이터 표준 인프라 협력
바이오 플랫폼 기업 라셀릭코리아가 국립금오공과대학교 ICT융합특성화연구센터, 디지털인증시스템 솔루션 기업 퓨어글로벌과 함께 보건의료 데이터 표준 인프라 구축을 위한 업무협약을 체결했다. 이번 협약은 의료 데이터의 안전한 관리와 상호운용 체계 구축에 초점을 맞춘 산·학·기업 간 협력 모델이다. 각 기관은 의료·바이오 데이터 처리 기술과 메디컬 ICT 연구 역량, 디지털 인증 기술을 연계해
연구 소식
Digital twin-aided distributed contextual bandit learning for computation offloading in dynamic fog computing networks
Abstract In this paper, we propose a novel approach for parallel task computation in dynamic fog computing networks, leveraging digital twin technology and distributed contextual bandit learning. Our method, digital tw
연구 소식
Digital Twin-empowered intelligent computation offloading for edge computing in the era of 5G and beyond: A state-of-the-art survey
Abstract Edge computing has emerged as a promising paradigm for addressing the latency, bandwidth, and scalability challenges associated with traditional cloud-centric architectures. Computation offloading , the proces
연구 소식
Explainable Data-Driven Digital Twins for Predicting Battery States in Electric Vehicles
Abstract Advancements in battery management systems (BMS) involve using digital twins to optimize battery performance in electric vehicles. The state of charge and health estimations are essential for battery efficienc