웹캠 하나로 기본 성향과 오늘의 마음 컨디션을 함께 측정하고, AI 에이전트가 맞춤 케어로 이어 드립니다.
생체신호 AI 기반 정신건강 측정 및 Agent 케어 플랫폼
결과 리포트가 측정 창에 열렸어요. 리포트가 보이지 않으면 아래 버튼을 눌러 주세요.
자기보고만으로는 응답 왜곡, 과장, 부정 등 실제 상태를 놓치고, 발견한 뒤에도 케어로 이어지지 않습니다.
발견 이후의 '케어 단절'이, 가능했던 회복의 시간을 놓치게 합니다. NeuroLens는 측정에서 케어까지 이어지는 AI Agent 폐루프를 만듭니다.
NeuroLens는 웹캠과 스마트폰에서 얻는 시선·생체신호와 사용 환경 정보를 통해 자기 이해와 일상 케어를 연결합니다.
시선추적 AI로 설문과 시선 신호를 함께 분석해 나의 성향을 탐색하고, 자체 엔진 In_mind로 시선·심박 등 생체신호를 살펴 오늘의 컨디션을 돌아보도록 돕습니다. Eye·休는 스마트폰의 화면 자극과 주변 환경, 눈 반응과 사용 습관을 바탕으로 눈 사용 부담을 추정하고 케어로 안내합니다.
나의 특성을 이해하고, 오늘의 상태를 살피고, 일상에 필요한 쉼을 더합니다.
개방성 · 성실성 · 외향성 · 친화성 · 신경성 5개 요인을 정밀하게 분석합니다.
RIASEC 6각형 모델 기반으로 흥미 유형 조합과 직무적합도 순위를 제공합니다.
시선행동 데이터를 보정한 성격유형 분석으로 익숙한 프레임의 신뢰도를 높입니다.
시선행동 데이터를 바탕으로 성향과 어울리는 직무를 적합도 순으로 보여줍니다.
피곤하지 않고 깨어 있는 정도 — 모든 집중의 바탕이 되는 기본 에너지를 측정합니다.
충동적으로 반응하지 않고 하려던 일에 집중을 붙잡는 힘을 측정합니다.
불편하거나 기쁜 정보에 눈과 마음이 얼마나 끌리고 머무는지 측정합니다.
긴장할 때 심박이 얼마나 오르고 다시 편안해지는지 측정합니다.
스마트폰의 밝기, 화면 시간, 장면 변화 등 화면에서 오는 시각적 자극이 눈 사용 부담에 미치는 영향을 분석합니다.
주변의 밝기, 시간대, 사용 환경 등 스마트폰을 사용하는 주변 환경이 눈의 부담에 미치는 영향을 추정합니다.
화면과의 거리, 눈 깜빡임, 눈의 열린 정도, 시선 반응을 관찰하여 눈의 반응 패턴을 분석합니다.
연속 사용 시간, 잠금 해제 패턴, 짧은 휴식 등 일상의 사용 습관을 분석하여 건강한 눈 사용 습관 형성을 도와줍니다.
별도의 장비 없이 브라우저에서 바로 시작합니다. 성향검사는 시선행동 AI가, 컨디션 검사는 자체 엔진 In_mind가 분석하고,
검사부터 리포트, 케어까지 하나의 흐름으로 이어집니다.
시선의 움직임에 담긴 성향을 AI가 분석합니다.
웹캠 품질·조도·얼굴 위치를 자동으로 점검하고, 시선을 보정합니다.
자극 이미지를 보는 동안 시선 좌표를 50ms 간격으로 수집합니다. (약 5분)
I-DT 기반으로 시선 특징 150+개를 추출하고, BMA 설명가능 모델로 개인별 Human Model을 만듭니다.
개인별 프로파일을 리포트와 JSON API로 제공하며, 불확실성까지 함께 표시합니다.
시선, 심박, 생체반응까지. 지금의 마음 컨디션을 여러 각도로 읽습니다.
9점 응시 · 움직이는 점 추적 보정 · 커서로 시선 이동 확인 · 새 위치 8곳으로 정밀 보정합니다.
학술 표준 과제 7종 동안 시선 · 심박(이마·양 볼) · 생체반응(눈꺼풀 · 반응 속도 · 호흡)을 동시에 기록합니다.
지표 19개를 측정 신뢰도로 가중해 4개 영역으로 묶고, 영역 간 연결(피로 게이팅 · 신경내장 통합)까지 해석합니다.
간편·전문가 보고서와 AI 총평, 맞춤 케어 트랙을 제공하고 매일 측정으로 변화를 확인합니다.
검사 결과가 그날의 컨디션 요약과 실천 가능한 케어 루틴으로 이어집니다. 작은 실천이 큰 변화를 만듭니다.
AI Agent · 오늘의 맞춤 케어
| 검사 | 성능 지표 | 수치 | 1줄 해석 |
|---|---|---|---|
| Big5 (성인 남성) | AUC (전체 판별력) | 0.705~0.841 | 성격 특성(OCEAN)·측정 Hz별 범위. 1.0 만점. Nested CV·OOF 기반 보수적 검증. |
| Big5 (성인 여성) | AUC (전체 판별력) | 0.620~0.684 | 성격 특성·측정 Hz별 범위. 누수·선택 낙관을 줄인 보수적 검증 결과를 그대로 공개. |
| MBTI | 후보 일치율 | 78.6% | 예측 상위 3개 후보 안에 실제 유형과 3글자 이상 일치하는 후보가 포함된 비율. |
| RIASEC (직업흥미 유형) | Top3 적중률 | 89.6% | 실제 1·2순위가 예측 상위 3 안에 포함. 통계적 유의 (p=0.019). (고양 H 초등학교 5~6학년 실증) |
| 커리어 적합도 | Top-3 적중률 | 78.3% | 실제 1순위가 예측 Top-3 안에 포함된 비율. 무작위 기준 45.8%. |
| PHQ-9 우울위험 | AUC (전체 판별력) | 0.83~0.84 | Nested CV·OOF·순열 검증 기준 연구 모델(여성 ≥24Hz 0.84 · 남성 전체 0.83). 진단이 아닌 위험 선별. |
| PHQ-9 우울위험 | Recall (위험군 포착) | 81~88% | 실제 위험군 100명 중 약 81~88명을 놓치지 않고 찾아냄. (비진단적 1차 선별) |
| PHQ-9 우울위험 | Specificity (비위험군 구분) | 64% | 실제 비위험군 100명 중 약 64명을 "위험 아님"으로 구분. |
| PHQ-9 우울위험 | NPV (안전판정 신뢰도) | 95~97%* | "위험 아님" 판정 100명 중 약 95~97명이 실제 비위험(유병률 15% 가정). 1차 필터로 신뢰 가능. |
* NPV는 PHQ-9 기반 full multimodal model(HEXACO 성격 5개 + 정규화 안구 특징 3개)에 현장 유병률 15%를 가정한 값입니다. 우울증 ‘진단’이 아닌 PHQ-9 기준 우울위험 선별 연구 모델입니다. 모든 수치는 2025년 개발단계 대비 검증 기준을 강화한(Nested CV · OOF · 순열 검증 · fold 내부 전처리) 보수적 결과입니다.
"설문이 놓치는 것을 행동이 말한다"는 명제는 10년 이상 축적된 학계 연구 위에 서 있습니다.
| 연구자 (연도) | 국가 | 연구명 · 핵심 발견 | NeuroLens 인용 |
|---|---|---|---|
| Griffith et al. (2007) | 美 | 취업 지원자 within-subject 연구 — 30~50% 점수 부풀림 | 핵심 인용 · 1차 근거 |
| Viswesvaran (1999) | 美 | 성격 검사의 왜곡 가능성에 대한 종합분석 — 평균 0.5 표준편차 점수 상승 | 2차 근거 |
| 김재철 외 (2022) | 韓 | 채용시장의 뉴노멀, 비대면 면접에서 투명성과 경고메시지의 활용: 지원자 반응 및 응답왜곡에 미치는 영향 | 한국 맥락 |
| 연구자 (연도) | 국가 | 연구명 · 핵심 발견 | NeuroLens 인용 |
|---|---|---|---|
| Hoppe et al. (2012) | 네덜란드 | Eyes as windows to the soul — 시선 고정 ↔ Big5 상관 최초 입증 | MOAT 학술 기반 |
| Wu et al. (2014) | 캐나다 | Personality on social attention — 외향성·호의성 ↔ 얼굴 응시 길이 | 정서 자극 설계 근거 |
| Hoppe et al. (2018) | 독일 | Eye Movements Predict Personality Traits — 일상 시선으로 Big5 예측 | 150여 패턴 분석 근거 |
| Berkovsky et al. (2019) | 호주 | Detecting Personality Traits Using Eye-Tracking — 80% 내외 정확도 | 성능 비교 기준 |
| 과제 | 측정하는 것 | 근거 |
|---|---|---|
| PVT-B | 또렷함 · 반응 지연 | Basner et al., 2011 |
| PERCLOS | 눈꺼풀 감김 비율 | Wierwille et al., 1994 |
| 프로·안티사카드 | 반사 억제(실행 통제) | Antoniades et al., 2013 |
| 원활 추적 | 주의 동기화 | Lencer & Trillenberg, 2008 |
| SART | 지속 주의 · 멈추는 힘 | Robertson et al., 1997 |
| 정서 자유 보기 | 정서 주의 편향 | Armstrong & Olatunji, 2012 |
| MIST · 공명 호흡 | 압박 심박 반응 · 회복 | Dedovic et al., 2005 · Lehrer & Gevirtz, 2014 |
마인드 AI 컨디션 검사의 판정 기준은 문헌 보고 범위를 웹캠 환경에 맞춘 잠정값이며, 규준 수립 후 검증 수치를 공개합니다. 의학적 진단이 아닌 웰니스 참고 지표입니다.
AI Agent 시장의 경쟁은 모델 성능 경쟁에서 '사용자 이해 경쟁'으로 이동하고 있습니다. NeuroLens는 시선행동과 심박·생체반응을 함께 측정해 사용자의 '진짜 나'(Human Model)를 생성합니다.
| 서비스 | 입력 방식 | 측정 유형 | Human Model | 분류 |
|---|---|---|---|---|
| NeuroLens | 시선행동 + 심박 · 생체반응 측정 | 행동 · 생체신호 기반 측정 기본 성향 + 오늘의 컨디션 | ✓ | — |
| BetterUp | 텍스트·대화 | 텍스트 추정 | ✕ | 간접 |
| CoachHub | 텍스트·대화 | 텍스트 추정 | ✕ | 간접 |
| Crystal | 텍스트 분석 | 성격 추정 | △ | 간접 |
| Humantic AI | 텍스트 분석 | 성격 추정 | △ | 간접 |
| MBTI | 자기보고 설문 | 자기보고 측정 | △ | 간접 |
| DISC | 자기보고 설문 | 자기보고 측정 | △ | 간접 |
초등부터 노년층까지, 연령과 관심사는 달라도 시선 및 멀티모달 AI로 나를 알아갑니다.
학교·기관·지역 구분 없이 현장 참여 기반을 넓혀 갑니다. (B2C · B2B · B2G)
멀티모달 생체신호로 만드는 AI 헬스케어 Deeptech를 지향합니다.
10월, 연합뉴스경제TV 보도와 핵심 알고리즘 특허 출원 2건, In_Mind 기술백서 발간이 이어졌습니다.
시선·생체신호 추적 AI로 웹캠만으로 일상 속 마음건강을 점검하는 뉴로렌즈의 시도를 소개했습니다.
웹캠 기반 생체신호·시선 데이터 해석 체계를 측정 원리부터 해석 구조까지 한 권으로 정리했습니다.
웹캠에서 검증한 측정 기술을 스마트폰 앱, 오프라인 공간, 다른 서비스로 넓혀 갑니다.
스마트폰 시력 컨디션 케어 앱 B2C
지금 내 눈의
피로도는?
Neurolens-efs Engine
Android 앱마음건강 측정 모듈러 룸 B2B
조용한 1인 부스에 앉아 화면을 보는 것만으로 측정하고, 결과 리포트와 케어 제안을 바로 받습니다.
웹캠 기반 멀티모달 측정 SDK B2B
뉴로렌즈의 측정 기술을
당신의 서비스 안으로.
AI 정책·교육·기술사업화·IP 20년+ 산학민관 경험을 결합해 가겠습니다.
“AX 가속 시대, 더 나은 내일을 연구합니다.”
로그인 상태로 검사하면 결과가 계정에 저장되어
마이페이지에서 검사 이력을 언제든 다시 볼 수 있어요.
