인공지능 기술 기반 정신건강평가 사례

이를 위해 다양한 데이터의 분석에 기반한 인공지능 기술을 활용한 정신건강평가 연구가 이루어지고 있다. 특히 미군에서는 군인들의 정신건강문제를 해결하기 위해 자살예측과 참전 군인들의 PTSD 예측 연구, 민간에서는 우울증 진단 및 감정상태의 추측 연구가 주요 연구로 진행되고 있기에 이를 중심으로 관련 정신건강평가사례를 살펴보고자 한다.

미군에서는 DARPA의 후원으로 진행되고 있는 퇴역군인의 자살방지프로그램 뒤르켐 프로젝트(Durkheim Project)가 있다. 미군 재향군인회 조사에서 자살자 수가 전투 중 사망한 군인의 수보다 높은 것으로 보고되어 퇴역군인의 자살 고위험군을 조기에 발견하고 즉각적인 개입을 하기 위한 대응방안의 일환으로 만들어졌다.

자살예측을 위한 데이터는 재향군인회 의료임상기록의 텍스트, 퇴역군인의 SNS 게시물(Twitter, Facebook) 등이 활용된다. 즉 텍스트 기반을 토대로 하여 개인이 사용한 단어, 문장, 맥락 등을 면밀히 파악하여 자살징후를 발견하도록 하고 있으며 최근에는 자살과 연관이 될 수 있는 재정적인 정보까지 수집하여 활용하고 있다. 이러한 대량의 데이터에 기반한 자살예측시스템을 통하여 임상가가 퇴역군인 평가 시 1차적으로 자살신호를 보이지 않았더라도 SNS 게시물, 재무정보 등을 종합하여 자살의 심각도를 지속적으로 모니터링 할 수 있다.

자살 심각도 알림은 녹색(낮음), 노란색(보통), 빨간색(높음) 3단계로 평가되며 1분 간격으로 모니터링을 한다. 자살 위험도가 지속적으로 그래프에 표시가 되고 실제 다른 임상군과 비교해봤을 때 현재 해당 인원의 자살 심각도의 위치를 제공해준다. 자살예측 정확도는 약 67%를 보였다.

미군은 참전군인의 PTSD를 진단하기 위해 인공지능의 머신러닝 기술을 결합한 연구가 진행되고 있다. 미국은 일반 인구의 평생 PTSD 유병률이 약 7%에 비해 전쟁에 참전했던 퇴역군인의 평생 유병률은 30.9%로 나타났을 정도로 참전군인의 PTSD 발병률은 높은 실정이다. 심지어 군인들은 자신들이 PTSD가 있다는 것을 밝히기 꺼려하는 경향이 있어 조기 치료가 어려워져 심각한 상태로 까지 이어지는 경우가 많다.

미 국방부는 이를 예방하기 위해 주요의과대학 의료진과 군 관련 연구원과 함께 PTSD를 진단하는 심리적, 의학적 지표를 개발하고 있다. 이와 관련하여 최근 네이처의 자매 연구지인 『분자 정신의학(Molecular Psychiatry)』에서 아프가니스탄 배치 전, 후의 육군 군인들을 샘플로 하여 PTSD 진단지표를 연구한 논문을 발표하였다.

배치 전에 군인들의 의학적 지표(내분비, 대사물), 자기보고 지표(우울, 수면 등 심리검사)를 측정하였으며 측정된 데이터를 기반으로 머신러닝 기술을 활용하여 참전 이후의 PTSD 증상을 예측하도록 하였다. 가장 높은 예측 변인으로는 수면의 질, 우울, 주의력, 혈액 지표 등으로 나타났고 현재 최근 언론보도에 따르면 현재 진단 예측율은 약 77%를 보이고 있는 것으로 나타났다. 참전 전에 대규모 인원을 대상으로 사전에 PTSD 예측진단을 하여 현장에 적극 활용되기를 기대하고 있다.

노스웨스턴대학교 의과대학에서는 스마트 폰을 활용하여 우울증을 진단하는 연구를 수행하였다. 노스웨스턴 대에서 자료를 수집할 수 있는 스마트폰 앱인 퍼플 로봇(PurPle Robot)을 개발하여 GPS 센서와 전화 사용 데이터를 수집하여 우울증의 심각도를 파악하였다. 연구 초기에 우울증 검사를 시행하였으며 2주 동안 하루 동안의 이동 규칙성, 위치의 변화, 전화 빈도, 통화 시간, 집에 머무는 시간 등의 데이터를 분석하였다.

분석 결과, 우울증을 유의미하게 예측하는 변인으로는 전화의 빈도, 통화시간, 이동의 규칙성, 위치의 변화인 것으로 나타났으며 86.5%의 우울증을 예측하는데 성공하였다. 이 연구를 통해 스마트폰이 우울증 증상의 임상적 평가를 위한 수단으로 사용될 수 있음이 증명되었다.

인공지능을 기반으로 하는 정신건강치료의 시초는 1966년에 MIT 교수인 요제프 바이첸바움(Joseph Weizenbaum)이 최초로 개발한 챗봇 Eliza였으며 칼 로저스(Carl Rogers)의 공감적 의사소통 모델을 적용한 SLIP(Symmetric List Processer)의 간단한 프로그래밍 언어를 통해 개발되었다. 이후 2000년대 들어서 무선인터넷과 정보통신기술이 급격히 발달하면서 화상상담, 웹사이트 기반으로 한 채팅 등의 심리치료가 등장하였고 최근에는 인공지능 기술을 적용하여 정신건강의 관리와 치료를 위해 스마트 앱의 챗봇, 가상현실 치료 등이 상용화되기 시작하였다.

따라서 현재 인공지능 기술이 정신건강치료의 목적으로써 어떻게 활용되고 있는지 최근 사례들을 중심으로 소개하고자 한다.

Simsensei는 자연어 기술을 이용하고 비언어적 심리적 행동신호를 감지하는 가상 인간 에이전트로 미군의 정신건강서비스 이용 활성화를 위해 만든 익명성의 웹 기반프로그램이다.

Simsensei에서 등장하는 가상인간 에이전트 Ellie는 텍스트 입력을 통해 사용자와 대화하며 사용자의 비언어적 행동을 감지하며 적절한 제스처로 반응한다. 이러한 비언어적 행동을 측정하기 위해 문헌 리뷰 및 다양한 임상군을 대상으로 적절한 질문들에 반응하는 비언어적 행동을 수집하여 심리적 지표를 개발하였다. 수집된 심리적 지표를 기준으로 사용자의 비언어적 지표는 멀티센스(웹카메라, 오디오)를 통해서 머리 위치와 방향, 음성 변수 등의 정보를 오디오와 비디오의 동시캡쳐를 통해 수집하여 사용자의 상태와 행동에 대한 정보를 측정한다.

실제로 사용자는 심리검사에서 보다 가상 인간 에이전트와의 대화에서 심리적 증상 호소를 더 많이 보고하였다. WoZ 참가자, 면대면 상담 참가자, 인공지능(Ellie)의 참가자 간의 수행평가를 위해 라포 점수를 비교하였는데 그 결과 WoZ 참가자들이 라포가 제일 높았으며 면대면, 인공지능 참가자의 라포점수는 유의미한 차이가 없었다. 이로 보아 참여자가 편안한 마음으로 인공지능과의 상담에 임할 수 있다는 것을 보여주었으며 이는 정신건강의 1차적 스크리닝에 큰 도움을 줄 것으로 보인다.

2015년도에 인도에서 개발한 문자 기반 대화형 에이전트 Wysa는 약 30개국에서 사용하고 있으며 심리적 불편감의 증상을 치료하고 완화하는 목적으로 만들어졌다. 인지행동치료, 변증법적 행동치료, 동기강화상담, 긍정적 행동지원 등 다양한 방법으로 정신건강 치료지원을 제공하고 있으며 영국의 National Health Service(NHS) 산하 Child and Adolescent Mental Health Service(CAMHS)에서 조기 개입 도구로 Wysa가 사용되었다. 사전에 우울증 선별도구(PHQ-9)를 통해 사용자의 우울 정도를 측정한다. 사용자와의 상담을 통해 도움이 될 만한 콘텐츠를 제공해주며 사용자의 감정을 주기적으로 체크한다.

Wysa는 무료서비스뿐 아니라 상담자와 월 단위로 유료상담을 실시할 수 있다. 회기당 30분간의 상담 서비스를 제공하고 사용자가 호소하는 문제를 상담받을 수 있다. 상담사는 정서관리를 위해 다양한 기술을 안내하는 코칭역할을 하며 일반적인 심리 상담서비스와는 동일하지 않음을 명시하고 있으며 사용자가 희망하면 챗봇과 나눈 대화를 상담사에게 공유할 수 있고 상담 진행에 참고자료로 활용할 수 있다. 

Wysa의 효과성을 검증한 결과, 통제집단보다 Wysa를 사용한 집단의 우울수치가 유의미하게 감소한 것으로 나타났다. 실제 인간 상담자와의 서비스 연계도 선택할 수 있는 기회를 제공함으로써 보다 심층적인 상담을 통해 사용자들의 치료적 효과를 높이는데 큰 도움이 될 것으로 보인다.

지금까지 논의하였던 인공지능에 기반한 정신건강평가, 정신건강치료 서비스의 사례를 통해 우리 군의 정신건강관리지원을 위한 서비스 적용 방안에 대해 제시해보고자 한다. 현재 인공지능 기반 기술을 즉각적으로 적용하기에는 기술적인 한계가 있으나 관련 기술이 예상보다 빠르게 발전하고 있기 때문에 실제 군의 정신건강서비스에 적용하기 위한 사전 대비가 필요하다. 

따라서 본고에서는 장병 정신건강서비스를 위한 4가지 영역으로 차단, 잠재적 위험군 관리 및 조기 개입, 고위험군 조기식별 및 긴급대응 영역으로 구분하였다.

첫 번째 차단영역에서의 적용이다. 군에서는 현역 자원을 선발하는 과정에서 병역 준비역을 대상으로 사전 조기식별을 위해 정신건강평가가 이루어지는데 기존의 체계는 임상적 자기보고와 임상심리사의 2차 심리검사 및 치료기록과 함께 임상적 소견을 종합적으로 고려하여 전문가(의사)에 의해 주관적인 의사결정으로 정신건강서비스평가가 이루어지고 있다. 

앞서 논의하였던 미군의 PTSD 및 우울증 진단예측의 연구 사례를 참고하여 적용해보면, 병역 판정검사 단계에서 생체적, 심리적 데이터, 혈액 바이오 마커 등의 정보 수집을 통해 머신러닝을 기반으로 하여 전문가가 면밀하고 정확한 분석을 할 수 있도록 도움을 주는 것이 필요하겠다. 이는 사전의 식별률을 향상시켜 고위험군 인원을 사전에 차단할 수 있는 효과를 기대할 수 있을 것이다.

두 번째 영역은 잠재적 위험군 관리 및 조기 개입 영역이다. 기존의 시스템에서는 상담관과의 만남을 위해 장병이 특정한 장소에 방문해야 하며 상담관의 일정 조율이 필요하다. 이 때문에 주변의 시선 및 일정 조율이 어려워 상담관을 쉽게 만날 수 없는 경우가 생길 수 있으며 이를 방치하게 되면 우울, 불안 등의 증상이 만성화될 가능성이 있다. 

따라서 장병이 필요시에 사회적 낙인 및 물리적 제약 없이 인공지능치료자가 탑재된 정신건강치료서비스에 접속하게 된다면 정신건강 스크리닝을 통해 자신의 정신건강상태를 인지할 수 있게 되고 이에 맞는 정서적 지지 및 맞춤형 콘텐츠를 제공 받을 수 있다. 이는 정신건강서비스의 사각지대에 있는 인원을 흡수할 수 있는 대응책이 될 수 있으며 궁극적으로 장병들의 복무적응향상에 큰 도움을 줄 수 있다.

세 번째 영역은 고위험군 조기식별 및 긴급대응 영역이다. 현재 신인성검사와 주변의 지휘관 및 동료의 관찰을 통해 고위험군을 파악하여 관리하고 있다. 하지만 계속적으로 변화하는 장병의 심리 상태를 추적하는 것은 한계가 있다. 따라서 이를 보완하기 위해 SNS의 게시물, 사진, 스마트폰 및 웨어러블 기기를 통해 생체 정보, 수면의 양, 이동 동선 등을 실시간 모니터링하여 고위험군의 정보유실을 방지할 필요성이 있다. 이들의 잠재적 요인에 대한 조기식별을 통해 사고 발생률의 감소하는 효과를 가져올 수 있다.

네 번째 영역은 전문가 서비스 영역이다. 현재 상담관은 내담자 장병의 주관적 자기보고와 추가적인 전문적 심리검사를 통해 상담을 진행한다. 하지만 상담 중에 상담자가 파악하지 못한 내담자의 정보들이 있을 수 있는데 인공지능 시스템을 도입하여 영상, 음성 등 비언어적 행동의 정보를 수집하고 분석한다면 내담자 장병의 심리 상태를 입체적이고 통합적으로 해석하게 될 수 있을 것이다. 이는 상담전문가가 놓칠 수 있는 유의미한 정보를 제공할 수 있으며 최적화된 개인 맞춤형 상담서비스를 제공할 수 있다.


군의 정신건강서비스의 인공지능 기술에 기반한 정신건강서비스를 제공하기 위해서는 데이터 확보, 각 분야 간의 협업체계, 윤리적 지침 마련 등, 다각적인 방면에서의 준비가 필요하다.

인공지능 기술을 적용하기 위해서는 가장 우선시되는 것이 대량의 데이터 확보이다. 정신건강서비스 분야에서 인공지능의 기술력을 구현하기 위해서는 다양한 임상군의 데이터 수집 및 축적이 필요하다. 데이터가 체계적으로 축적이 되어야 인공지능에 데이터를 학습시킬 수 있으며 이를 바탕으로 새로운 데이터가 입력이 되면 인공지능이 유의미한 분석정보를 제시할 수 있기 때문이다. 

따라서 군에서는 정신건강관련 서비스의 제공을 위해서는 적응하는데 어려움을 보인 다양한 임상 집단군에 대한 입대부터 전역까지 지휘관의 보고, 심리적 증상 및 경과와 관련된 대규모 데이터를 수집할 수 있는 데이터베이스를 구축할 필요가 있다.

두 번째는 인공지능 기술을 활용하기 위해 정교한 윤리적 지침의 마련이 필요하다. 미국 국방부에서는 인공지능을 적용하기 위해 기본적으로 지켜져야 할 7가지의 윤리적 사항을 권고하였다.

이 사항들의 주요 내용은 인공지능 시스템 운영방법의 투명성, 사용범위 설정, 설계 절차의 공개 및 매뉴얼 제작, 책임 의식, 인간 존중이 중심이 되어야 한다는 것이다. 여기에 추가로 더하여 해외 연구에서는 시스템에 대한 인간 감독 모니터링이 필요하며 시스템의 한계에 대해 사용자에게 명시해야 한다고 권고한다.

예를 들어, 인공지능 시스템을 이용하여 정신건강서비스로 상담서비스를 제공하는 경우, 사용자는 상담 도중 예기치 않게 자신의 감정상태가 지나치게 각성되어 폭력적인 행동이 나타나게 되면 인공지능 기술이 이를 다루기 어려울 것이다. 이를 방지하고 조치하기 위해서는 인간 감독 모니터링이 지속적으로 필요하고 시스템의 한계점을 사용자에게 명확하게 고지하는 것이 필요하다는 것이다.

또한 사용자의 심리상태가 고위험군일 경우, 인간전문가와의 심도 있는 상담이 필요하기 때문에 사용자의 상태에 따라 인공지능 시스템을 이용할 수 있게 사용범위를 제한하는 것이 중요하겠다. 이처럼 인공지능 시스템을 적용할 경우 다양한 상황에서 발생할 수 있는 문제점들을 고려한 윤리적 지침의 선제적 마련이 필요하다.

세 번째는 인공지능에 활용할 군 개인정보 데이터 보안 강화를 위한 규정 및 기술 개발이 필요하다. 미국의 경우 의료정보보안법에 기반하여 HIPPA, 이동 중인 데이터는 PCI의 표준검증을 통해 보안검증이 이루어지고 있다. HIPPA 검증 기준 중 하나는 데이터의 비식별화인데 개인 이름, 증상 등의 의료 정보를 분산 저장하는 해싱 기술을 통해 환자의 데이터를 보호한다. 따라서 군 장병 개인의 정신건강 관련 데이터 수집과 활용을 위해서는 데이터 보안강화와 관련된 제도적인 지침 및 해킹 방지를 위한 전문적인 기술 개발이 필요하겠다.

네 번째, 인공지능 정신건강 서비스 제공을 위해서는 각 기관과의 협업체계가 필요하다. 군과 의료기관에서의 임상학적 데이터를 교류하고 이를 평가하는 방법에 대한 연구기관 간의 협업체계를 통해 종합적인 연구가 수행되어야 한다. 인공지능 기술을 구현하기 위해서는 예측력을 높이기 위한 양질의 정보를 선별하는 것이 무엇보다 중요하기 때문에 각 정신건강 분야 전문가들과의 긴밀한 협업체계를 지속적으로 유지해야 할 것이다. 또한 인공지능 기술 개발을 및 적용을 위한 민간 기업 전문가와의 교류 확대도 필요할 것이다.

인공지능 기술과 정신건강분야와의 접목은 평가적 측면에서 다양한 대량의 데이터를 제공하여 진단 예측률을, 치료적 측면에서는 쌍방향 소통 및 접근 가능성을 향상시켜 현재 정신건강서비스 체계의 미흡한 부분을 보완하고 발전시키는 데 큰 역할을 할 것이다.

하지만 여기서 유념해야 할 것은 인공지능이 인간 전문가를 완전히 대체할 수는 없다는 점이다. 왜냐하면 인간의 심리체계는 개인마다 다양하고 복잡한 체계를 가지고 있기 때문에 심리상태를 파악하고 치료하기 위해서는 인간과의 깊은 상호작용이 필요하고 이러한 과정을 인공지능이 대체하는 데는 한계가 있기 때문이다.

예를 들어 상담 과정 중 상담자와의 관계에서 내담자가 무의식에서 드러난 감정과 행동의 표현에 대한 전문가의 심도 있는 해석을 인공지능 기술이 수행하기는 어려울 것이다. 따라서 인공지능 기술을 활용하기 위해서는 ‘인간 중심적’ 사고를 전제로 한 사용자 상태에 따른 사용 범위제한, 설계절차 및 매뉴얼 제작 등의 철저한 윤리적 검증 절차가 필요할 것이며 동시에 인공지능 기술을 정신건강분야에 효과적으로 접목시키기 위한 전문가 간의 관심과 논의가 지속되어야 할 것이다.

※ 본 내용은 집필자의 개인적 의견이며, 한국국방연구원의 공식적 견해가 아님을 밝힙니다.