연구자들은 정신 질환의 징후를 감지하기 위해 페이스북 데이터로 훈련된 AI를 사용합니다

연구자들은 최근 페이스북 데이터를 사용하여 정신 질환을 감지하는 시도를 자세히 설명하는 연구를 네이처에 발표했습니다. 와이어드에 따르면, 연구자들은 공식적인 진단이 이루어지기 18개월 전까지 보낸 메시지에 기반하여 정신 질환의 진단을 성공적으로 예측할 수 있는 AI 모델을 구축할 수 있었습니다.

예측 모델을 생성하기 위해 연구 팀은 223명의 자원봉사자로부터 데이터를 수집했습니다. 자원봉사자들은 연구자들이 보낸 메시지와 게시한 이미지를 접근할 수 있도록 동의했습니다. 연구자들은 수집된 메시지와 이미지에서 추출된 특징에 대한 랜덤 포레스트 모델을 훈련했습니다. 모델의 목표는 참가자가 정신 건강 진단을 받았는지, 기분 장애 진단, 정신 분열증 스펙트럼 진단, 또는 정신 건강 진단이 없는지 그룹화하는 것이었습니다.

연구자들이 결과를 분석했을 때, 여러 가지 특징이 정신 건강 장애와 상관관계가 있음을 발견했습니다. 이미지의 경우, 파란색은 기분 장애의 진단과 관련이 있었습니다. 욕설의 과도한 사용은 일반적으로 정신 질환을 나타내는 것으로 보였으며, 들음, 느낌, 보임과 같은 인식 단어는 정신 분열증의 진단과 관련이 있었습니다.

AI 모델의 성공을 결정하기 위해 연구자들은 거짓 양성과 거짓 음성을 비교했습니다. 연구 팀은 그들의 성공률이 0.65에서 0.77 사이였다고 보고했으며, 1은 완벽한 점수이고 0.5은 무작위로 추측하는 모델의 평균 성공률입니다. 메시지가 최근일수록 모델의 성공률이 더 좋았습니다. 그러나 연구 팀이 진단 이전 1년 이상 된 메시지만을 제한하더라도, 모델은 여전히 우연에 비해 훨씬 더 잘 수행되었습니다.

이러한 수준의 정확성에 대한 흥미로운 점은 PHQ-9와 거의 동일한 정확도라는 것입니다. PHQ-9는 우울증을 위해 사용되는 진단 도구로, 검사 대상자에게 10개의 질문을 합니다. 페이스북 데이터로 훈련된 AI 모델이 PHQ-9와 거의 동일한 수준으로 신뢰성 있게 수행할 수 있다면, 현재 사용되는 도구를 보완하는 진단 도구로 사용될 수 있습니다.

연구의 주도자이자 뉴욕 맨하セット의 파인스타인 의료 연구소의 조교수인 마이클 번바움은, 와이어드에 따르면, 사회 미디어 데이터를 사용하는 AI 도구는 정신 질환의 진단과 치료 방법에 큰 차이를 만들어줄 수 있다고 했습니다. 번바움은 와이어드에서 인용된 바와 같이:

“우리는 이제 암이 여러 단계가 있다는 아이디어를 이해합니다. 암을 1단계에서 발견하면 이미 전이된 경우와는 극적으로 다릅니다. 정신의학에서는 사람들이 이미 전이된 이후에 작업을 시작하는 경향이 있습니다. 그러나 사람들이 더 일찍 잡히는 잠재력이 있습니다.”

본질적으로, 정신 질환은 다른 시간에 다른 형태를 취할 수 있으며, 더 다양한 데이터 소스는 연구자와 임상가가 개인의 정신 건강 상태를 삼각 측량하는 데 도움이 될 수 있습니다. 사회 미디어 데이터를 사용하는 장점은 개인의 생각과 감정을 연속적으로 기록한다는 것입니다. 이 데이터는 임상가가 환자를 진단하기 위해 의지하는 긴 인터뷰를 보완하는 데 사용될 수 있습니다.

번바움은 사회 미디어 데이터를 기반으로 하는 AI 모델이 치료 과정에서 환자를 장기적으로 모니터링하는 데 임상가를 도와줄 수 있을 것으로 기대합니다. 번바움은 임상가는 일반적으로 한 달에 한 번 정도 사람의 삶의 “스냅샷”만을 얻을 수 있지만, 사회 미디어 데이터를 사용하면 임상가는 사람의 삶의 경향에 대해 더 완전하고 대표적인 이해를 얻을 수 있다고 설명했습니다. 번바움은 5년에서 10년 이내에 정신 건강 평가에서 사회 미디어 데이터의 사용이 더 일반화될 것으로 기대합니다.