본문으로 건너뛰기

PainCube보이지 않는 통증을 데이터로 예측하고, AI로 더 빠른 의료진의 의사결정을 지원합니다.

스텔라큐브는 멀티모달 생체신호와 AI로 통증을 정량화하고 예측하는 임상 의사결정 지원 솔루션 PainCube를 개발하고 있습니다.

공동연구Johns Hopkins Medicine · 고려대학교 안암병원

PainCube는 공동연구기관에서 수집한 생체신호·의무기록 데이터를 기반으로 알고리즘을 개발하고 검증하는 단계에 있습니다.

기술 흐름 보기공동연구 보기

SOLUTION

PainCube 솔루션 상세

  • 01

    통증을 수치화하고 사전 예측

    기존의 환자 표현 중심 평가 방식과 달리, PainCube는 생체신호를 실시간으로 분석해 통증을 정량화하고 통증 발생 30~60분 전 사전 예측을 목표로 합니다.

    생체신호통증지수·사전 예측

  • 02

    다중 생체신호 통합 분석

    ECG(심전도), PPG(광용적맥파), SpO₂(산소포화도), 호흡률, 심박수, 체온 등 다양한 생체신호를 통합 분석하여 의식이 없거나 의사소통이 어려운 환자의 통증까지 지속적으로 관찰합니다.

    다중 생체신호지속 관찰

  • 03

    사후에서 사전치료로 전환

    PainCube는 통증이 발생한 뒤 대응하는 사후치료에서 벗어나, 통증을 예측하고 미리 관리하는 사전 치료 중심의 통증관리 전환을 지원합니다.

    통증 예측사전 통증관리

WHY PAINCUBE

지금까지 측정되지 않은 통증

중환자실에는 통증을 객관적으로 측정할 방법도, 진통제 투여의 정확한 기준도 아직 없습니다.

  • 객관적인 통증 측정 방법 및 정확한 진통제 투여 기준의 부재
  • 환자의 주관적 자기보고, 부정확한 기준의 통증 측정
  • 의료진의 직관에 의한 진통제 처방

충분히 관리되지 않는 수술 후 통증

80%

출처 · Gan, J Pain Res 2017

조명을 낮춘 중환자실 병상과 그 옆의 생체신호 모니터
미국에서는 수술 후 통증이 환자의 80% 이상에서 충분히 관리되지 않는 것으로 보고돼 있습니다(Gan, J Pain Res 2017). 비율은 수술 종류와 진통·마취 방법, 수술 후 경과 시간에 따라 달라집니다.개념 이미지아이콘 1개 = 환자 10명 중 1명

HOW IT WORKS

PainCube 솔루션 개요

생체신호를 모으고, 노이즈를 걷어 내고, 통증을 정량화·예측해 의료진에게 전달합니다. 아래 네 단계는 이어지는 각 섹션의 번호와 같습니다.

PainCube는 두 개의 AI 모델로 구성됩니다. DDCAE는 인코더·디코더 구조로 ECMO 작동이나 체동처럼 통증으로 오인되는 노이즈를 탐지해 제거하고, TCAtt-PainNet은 정제된 생체신호에서 통증 발생 전 패턴과 진통제 투약 후 통증 감소 패턴을 학습해 통증을 정량화하고 예측합니다.

  1. 01. Sensor

    가슴, 상완, 손목 등 환자별 다양한 위치에 부착 가능한 센서

  2. 02. DDCAE

    중환자실 노이즈 제거

  3. 03. TCAtt-PainNet

    생체신호 및 통증 패턴 기반 통증 사전 예측

  4. 04. CDSS

    대시보드 기반 통증 알림 및 투약 보조

단계 01

SENSOR + DATA

다중 생체신호 및 임상 데이터 수집

PainCube는 심전도(ECG), 광용적맥파(PPG), 산소포화도(SpO₂), 호흡률, 심박수, 체온 등 6종 이상의 생체신호와 연령·성별, 진단정보, 수술정보, 통증점수(NRS), 약물정보, 진통제 투여 기록 등 6종 이상의 의무기록 데이터를 함께 수집합니다.

생체신호 데이터

  • 심전도(ECG)
  • 광용적맥파(PPG)
  • 산소포화도(SpO₂)
  • 호흡률
  • 심박수
  • 체온

환자 의무기록 데이터

  • 연령·성별
  • 진단정보
  • 수술정보
  • 통증점수(NRS)
  • 약물정보
  • 진통제 투여 기록

생체신호 수집

수집 중

ECGmV

PPGa.u.

RESPa.u.

함께 측정

HR60bpm
SpO₂97%
TEMP36.8°C

착용 위치

  • 1흉부 부착형
  • 2상완 부착형
  • 3손목 밴드형
개념 화면화면 예시입니다. 표시된 값은 실제 환자 데이터나 검증된 성능 수치가 아닙니다.
단계 02

SIGNAL DENOISING AI

DDCAE

노이즈 제거 AI 알고리즘을 통한 순수 통증 신호 추출

  • 인코더 디코더 기반, 통증과 노이즈의 규칙성/불규칙성 활용
  • ECMO 작동, 체동 등 통증으로 오인되는 노이즈 탐지 및 제거
  • 순수 통증 신호 추출을 통한 오경보 문제 해결

신호 노이즈 제거

정제 중

원신호

ECGmV

전원선 간섭

PPGa.u.

체동 아티팩트

RESPa.u.

기저선 드리프트

DDCAE

정제 신호

ECGmV

PPGa.u.

RESPa.u.

원신호에 섞이는 노이즈

  • 전원선 간섭
  • 고주파 잡음
  • 체동 아티팩트
  • 기저선 드리프트
개념 화면화면 예시입니다. 표시된 값은 실제 환자 데이터나 검증된 성능 수치가 아닙니다.
단계 03

PAIN QUANTIFICATION & PREDICTION AI

TCAtt-PainNet

통증 정량화 및 30~60분 전 사전 예측

  • 통증 발생 전 생체신호 패턴 및 진통제 투약 후 통증감소 패턴 학습
  • PainCube는 생체신호 분석 결과를 0~10점 범위의 통증지수(CPI)로 산출합니다.
  • PainCube는 생체신호를 실시간으로 분석해 통증을 정량화하고, 통증 발생 30~60분 전 예측을 목표로 개발하고 있습니다.
  • 의료진의 진통제 처방 및 투약을 위한 골든타임 확보

통증지수 예측

예측 중
현재 통증지수
1.8
예측 통증지수
7.4
1050
  • 관측
  • 예측
  • 알림 기준

예측은 멀어질수록 불확실 범위가 넓어집니다.

개념 화면화면 예시입니다. 표시된 값은 실제 환자 데이터나 검증된 성능 수치가 아닙니다.
단계 04

CDSS

임상 의사결정 지원 시스템

모니터링 및 의사결정지원을 통한 데이터 기반 통증관리 및 진통제 투약

임상 의사결정 지원

확인 필요

한지우F / 62가상 환자

병상12

수술복강경 대장절제술

경과수술 후 1일

병상 목록

  • 병상 033.2
  • 병상 072.7
  • 병상 12알림1.8

통증 상승 예측병상 12

7.4/ 10

예측 통증지수현재 통증지수 1.8

정제된 생체신호에서 통증이 오르는 패턴이 관찰됩니다. 스스로 통증을 표현하기 어려운 환자입니다.

이 예측의 확률91%

판단 근거

  • 심박 변동 패턴
  • 맥파 진폭 감소
  • 호흡수 상승

통증지수 추이

중재 없음

-30분현재+30분

위험 단계
높음
권고
정맥 진통제 선제 투여 검토

바이탈

HR
60bpm
NIBP
128/74mmHg
SpO₂
97%
RESP
15rpm
TEMP
36.8°C

최근 이벤트

  • 09:41통증 상승 알림 발생
  • 09:32통증지수 상승 관찰
  • 09:18노이즈 제거 적용
  • 09:05모니터링 시작
개념 화면화면 예시입니다. 표시된 값은 실제 환자 데이터나 검증된 성능 수치가 아닙니다.

  • 통증 발생 30~60분 전 알림

    통증 대응 골든타임 확보

  • 데이터 기반 투약 의사결정 지원

    진통제 투약 종류, 시점 포함

  • 실시간 환자 모니터링 대시보드

    환자 맞춤형 통증 관리 지원

CLINICAL IMPACT

통증 관리 전 과정 효율화

12시간 교대 기준으로 환자 1인당 통증 관리에 드는 시간은 34분으로 보고돼 있습니다(SCCM PADIS 2018, Gelinas et al, 2006). PainCube는 정기 순회와 통증 평가·투여 절차를 효율화해 이 시간을 7분 수준으로, 약 80% 줄일 수 있을 것으로 추정합니다.

환자 1인당 통증 관리 시간 비교

34분

적용 전

7분

적용 후

80%감소추정치

측정 조건
12시간 교대 기준 · 환자 1인당
기준선 출처
SCCM PADIS 2018 · Gelinas et al, 2006

JOINT RESEARCH

공동연구기관

PainCube는 Johns Hopkins Medicine, 고려대학교 안암병원과 공동으로 연구개발하고 있습니다.

Johns Hopkins Medicine 32병상, 고려대학교 안암병원 24병상에서 12종 이상의 생체신호·의무기록 데이터를 수집하고 있습니다.

  • Johns Hopkins Medicine

    Johns Hopkins Medicine

    데이터 수집32병상

  • 고려대학교 안암병원

    고려대학교 안암병원

    데이터 수집24병상