AI‑기반 동료 리더 선발로 홈리스 청소년의 HIV 검사율을 끌어올리다

📝 Abstract

Objective. To pilot test an artificial intelligence (AI) algorithm that selects peer change agents (PCA) to disseminate HIV testing messaging in a population of homeless youth. Methods. We recruited and assessed 62 youth at baseline, 1 month (n = 48), and 3 months (n = 38). A Facebook app collected preliminary social network data. Eleven PCAs selected by AI attended a 1-day training and 7 weekly booster sessions. Mixed-effects models with random effects were used to assess change over time. Results. Significant change over time was observed in past 6-month HIV testing (57.9%, 82.4%, 76.3%; p < .05) but not condom use (63.9%, 65.7%, 65.8%). Most youth reported speaking to a PCA about HIV prevention (72.0% at 1 month, 61.5% at 3 months). Conclusions. AI is a promising avenue for implementing PCA models for homeless youth. Increasing rates of regular HIV testing is critical to HIV prevention and linking homeless youth to treatment.

💡 Analysis

**

1. 연구 배경 및 필요성

• **홈리스 청소년(HY)**은 주거 불안정, 의료 접근성 저하, 위험 행동(다중 파트너, 약물 사용) 등으로 HIV 감염 위험이 높음에도 불구하고, 체계적인 예방 프로그램이 부족하다.
• 기존 동료 변화 요인(PCA) 모델은 네트워크 중심의 전파 효과가 입증됐지만, 선발 기준(자원봉사자, 스태프 추천 등)이 주관적이거나 구조적 위치를 충분히 반영하지 못한다는 한계가 있다.

2. AI 알고리즘의 핵심 특징

• 혁신성: AI가 “불완전한” 사회망 데이터를 정량화하고, 동적 영향력 극대화(dynamic influence maximization under uncertainty) 문제를 해결한다는 점에서 기존 중앙성 기반 선택법보다 이론적·실용적 우위를 가진다.

3. 연구 설계 및 통계 분석

• 디자인: 단일군 전후(pre‑post) 설계(베이스라인 → 1개월 → 3개월).
• 표본: 초기 62명 → 48명(77.4% 유지) → 38명(61.3% 유지). 탈락률은 홈리스 청소년 특성상 평균적인 수준이며, 연구 결과 해석 시 선택 편향 가능성을 인지해야 함.
• 분석: SAS 9.4의 GLIMMIX 절차를 이용한 혼합‑효과 모델(랜덤 인터셉트). 시간 효과만을 검증했으며, 대조군이 없으므로 시간에 따른 자연적 변화와 연구 개입 효과를 구분하기 어렵다.

4. 주요 결과 해석

1. HIV 검사율 상승

   • 20%p(≈24%p) 상승은 통계적으로 유의했으며, PCA가 실제로 검사를 권고하거나 검사 기회를 제공했을 가능성을 시사한다.
   • 그러나 3개월 시점에서 약간 감소(82.4% → 76.3%)는 효과 지속성에 대한 추가 관찰이 필요함을 보여준다.

2. 콘돔 사용 변화 미미

   • 연구 목표에 콘돔 사용이 포함되지 않았고, PCA 교육 내용이 검증 중심이었기 때문에 기대치에 부합한다. 향후 다중 행동 변화를 목표로 할 경우 교육 커리큘럼을 확대해야 함.

3. PCA와의 접촉

   • 1개월에 72%, 3개월에 61.5%가 PCA와 대화했다고 보고했으며, 이는 전달 메커니즘이 어느 정도 작동했음을 의미한다. 다만, 접촉 빈도·질을 정량화하지 않아 실제 메시지 전달 강도는 추정하기 어렵다.

5. 연구의 강점

• 혁신적 방법론: AI 기반 네트워크 불확실성 모델링을 실제 현장에 적용한 최초 사례 중 하나.
• 실용적 구현: 페이스북 앱을 통한 저비용 데이터 수집, 짧은 교육·보강 프로그램(총 6시간+7주)으로 실현 가능성이 높음.
• 다학제 협업: 사회복지학·공학(AI)·보건학이 결합된 통합 접근법을 보여줌.

6. 제한점 및 개선 방향

7. 정책·실천적 시사점

1. AI 기반 선발 도구를 공공 보건기관이 활용하면, 제한된 인력·예산으로도 핵심 영향력자를 효율적으로 발굴할 수 있다.
2. 디지털 플랫폼(페이스북, 인스타그램 등)과 연계한 네트워크 매핑은 실시간 모니터링과 동적 재선발이 가능해, 유동적인 홈리스 청소년 집단에 적합하다.
3. 검사 확대는 HIV 감염 조기 발견·치료 연계에 직접적인 영향을 미치므로, 검사 보조금·모바일 검진 차량과 연계한 통합 프로그램 설계가 필요하다.

8. 결론

본 파일럿 연구는 AI‑기반 동료 변화 요인 선발이 홈리스 청소년의 HIV 검사율을 단기간에 유의하게 향상시킬 수 있음을 실증하였다. 비록 대조군 부재와 표본 규모 제한 등 methodological 한계가 존재하지만, 네트워크 불확실성을 모델링하고 비용 효율적인 데이터 수집 방식을 적용한 점은 향후 대규모 실험 및 정책 적용에 강력한 근거를 제공한다. 다음 단계에서는 무작위 대조 설계, 다중 행동 목표, 장기 추적을 포함한 연구를 통해 AI 기반 접근법의 일반화 가능성과 지속 가능성을 검증해야 한다.

📄 Content

1

노숙 청소년의 HIV 검사 촉진을 위한 동료 리더를 선정하는 인공지능 알고리즘 파일럿 테스트

Eric Rice, PhD a
Robin Petering, MSW a
Jaih Craddock, MSW a
Amanda Yoshioka‑Maxwell, MSW a
Amulya Yadav, MS b
Milind Tambe, PhD b

미출판 원고: 2016년 8월 18일

a 서던캘리포니아 대학교 사회복지학과
b 서던캘리포니아 대학교 비터비 공과대학

감사의 글: 본 연구는 USC 사회복지학과의 지원을 받았습니다. 연구진은 Safe Place for Youth 직원들과 프로젝트에 참여한 청소년들에게 깊은 감사를 표합니다.

2

초록

목적: 노숙 청소년 집단에서 HIV 검사 메시지를 전파할 동료 변화 요원(peer change agents, PCA)을 선정하는 인공지능(AI) 알고리즘을 파일럿 테스트한다.

방법: 베이스라인 시점에 62명의 청소년을 모집·평가하고, 1개월( n = 48) 및 3개월( n = 38) 시점에 재평가하였다. 페이스북 앱을 이용해 초기 사회망 데이터를 수집하였다. AI가 선정한 11명의 PCA는 1일 교육과 7주간의 주간 보강 세션에 참여하였다. 시간에 따른 변화를 평가하기 위해 무작위 효과를 포함한 혼합효과 모델을 사용하였다.

결과: 지난 6개월간 HIV 검사를 받은 비율이 시간에 따라 유의하게 증가하였다(57.9 % → 82.4 % → 76.3 %; p < .05). 반면 콘돔 사용 비율은 변하지 않았다(63.9 % → 65.7 % → 65.8 %). 대부분의 청소년이 1개월 시점에 72.0%, 3개월 시점에 61.5%가 PCA와 HIV 예방에 대해 대화한 것으로 보고하였다.

결론: AI는 노숙 청소년을 대상으로 한 PCA 모델 구현에 유망한 접근법이다. 정기적인 HIV 검사율을 높이는 것은 HIV 예방 및 노숙 청소년을 치료와 연결하는 데 핵심적이다.

3

연구의 함의 및 기여

노숙 청소년은 HIV 검사와 치료 연계가 절실히 필요하다. 인공지능은 동료 주도 확산 모델의 개입 전달을 보강할 수 있다. 사전‑사후 설계의 파일럿 테스트 결과, 최근 HIV 검사를 받은 청소년 비율이 약 20 % 증가하였다.

4

노숙 청소년(HY)에 대한 HIV 예방 필요성에도 불구하고, 근거 기반 개입은 매우 제한적이다.1 동료가 HY의 HIV 위험 및 보호 행동에 미치는 중요한 역할을 고려할 때, 동료 변화 요원(PCA) 모델을 개발하자는 제안이 제기되었다.1‑3

PCA 모델은 다양한 상황에서 HIV 예방에 효과적이었다.4 그러나 PCA를 어떻게 선정하느냐에 따라 실패 사례도 보고되었다.5 선정 과정이 결과에 큰 영향을 미칠 수 있다.6‑8 변화 요원은 전달하는 메시지만큼이나 중요한 경우가 많다. 구조적 위치에 기반한 네트워크 방법을 이용해 PCA를 선정한 사례는 드물다.6‑8

구조적 위치에 기반해 PCA를 선정하려면 (a) 대상 집단의 네트워크 공간을 “맵핑”할 수 있어야 하고, (b) 실현 가능한 구조적 해결책이 필요하다. 기존에 노숙 청소년 전체 네트워크를 수집하는 방법은 자원 소모가 커서 지역사회 기반 구현에 한계가 있었다.4 이에 페이스북 앱을 활용해 정보를 수집하는 통합 시스템을 개발하였다. 컴퓨터 과학자 파트너는 Schneider가 제안한 정도( degree) 또는 중개 중심성(betweenness centrality) 과 같은 기존 구조적 PCA 선정 규칙보다 우수한 AI 알고리즘을 설계하였다.6

본 논문은 노숙 청소년을 대상으로 한 AI‑강화 PCA 예방 프로그램의 파일럿 연구 결과를 제시한다. HIV 연속 치료 흐름에 소외된 인구를 참여시키려는 분야의 흐름에 맞추어, PCA 교육 및 동료 메시지는 정기적인 HIV 검사(3‑6개월 주기) 확대에 초점을 맞추었다.

방법

모집

5

모든 연구 절차는 [블라인드] 기관윤리위원회의 승인을 받았다. 로스앤젤레스의 드롭‑인 노숙 지원 서비스(식량·의복·사례관리·이동식 HIV 검사 등)를 이용하는 16‑24세 청소년 62명을 모집하였다. 서비스 이용자는 모두 연구 참여가 가능했으며, 드롭‑인 센터에 입장할 때 연구 안내를 받았다. 참가자는 페이스북 프로필을 보유해야 했으며, 페이스북 계정이 없는 경우( n = 5) 새로 만들 수 있었다.

평가

참가자는 베이스라인( n = 62), 1개월( n = 48, 77.4 %), 3개월( n = 38, 61.3 %) 시점에 컴퓨터 기반 자가 보고 설문을 완료했으며, 각각 $20, $25, $30의 보상을 받았다.

네트워크 데이터

페이스북 앱을 통해 참가자 간 친구 관계(연결 여부)를 수집하였다. 연구에 참여하지 않은 제3자에 대한 정보는 전혀 수집되지 않았으며, 앱이 그들의 페이스북 프로필에 나타나는 일도 없었다. 이 데이터는 2주간의 모집 기간 동안 연구팀이 현장에서 관찰한 ‘정기적인 상호작용’ 정보와 결합하였다.

AI 기반 동료 선정

AI 알고리즘 개발 및 컴퓨팅 실험에 관한 논문은 별도로 발표되었다.7,8 알고리즘은 주어진 시점에 네트워크 내 영향력을 최대로 할 수 있는 최적의 PCA 후보군을 선택한다. 한 번에 교육할 수 있는 PCA는 4명뿐이었으므로, 총 3차례에 걸쳐 PCA를 모집하였다. 페이스북 데이터와 현장 관찰은 불완전했다(예: 모든 페이스북 친구가 실제로 소통하는 것은 아니며, 모든 사회적 관계가 페이스북에 반영되지 않는다). 이 알고리즘은 정보의 불확실성을 명시적으로 모델링한 최초의 시도이다.7,8 알고리즘은 먼저 수천 가지 가능한 오류를 포함한 네트워크 중 하나를 선택하고, 그 네트워크에 대해 최적의 PCA 집합을 도출한다. 이후 수백만 개의 PCA‑네트워크 조합을 탐색해, 이전에 교육받은 PCA가 도달하지 못한 네트워크 영역을 최대한 커버하도록 후보자를 선정한다.

개입 교육 및 전달

교육은 약 6시간 동안 3명의 연구자가 진행하였다. 교육은 상호작용형으로, 성 건강·콘돔 사용, HIV·C형 간염·성병 지식, 의사소통 기술, 외부 outreach 기법, 리더십 기술 등 6개의 1시간 모듈로 구성되었다. PCA는 모든 참가자가 속한 비공개 페이스북 그룹 내 다른 청소년에게 정기적인 HIV 검사를 촉구하도록 과제를 부여받았다. 7주간의 주간 보강 세션을 통해 성공 사례와 장애 요인을 공유하고 교육 내용을 재강화하였다. PCA는 교육비 $60와 각 보강 세션당 $20을 지급받았다.

통계 분석

종단 데이터를 분석하기 위해 SAS 9.4 GLIMMIX 절차를 이용한 무작위 효과를 포함한 혼합‑효과 모델을 적용하였다.9

결과

총 62명 중 9명(12.68 %)이 연구 참여를 거부했으며, 주된 이유는 페이스북 정보 제공에 대한 꺼림칙함이었다. 알고리즘은 매주 8명의 청소년을 PCA 후보로 선정했으며, 3주 차에 걸쳐 총 24명을 선정하였다. 이 중 16명에게 연락이 닿았고, 실제로 11명이 참여하였다. 거부자는 1명뿐이었다.

대부분의 참가자는 PCA와 HIV 예방에 관한 대화를 나눴다고 보고하였다. 시간에 따라 HIV 검사 비율은 유의하게 증가했지만(57.9 % → 82.4 % → 76.3 %; p < .05), 콘돔 사용 비율은 변하지 않았다(63.9 % → 65.7 % → 65.8 %).

결론

후속 조사 비율은 동일 연령대 노숙 청소년을 대상으로 한 최근 개입 연구와 비슷하였다.10 노숙 청소년의 이동성이 높음에도 불구하고 PCA로서 청소년을 성공적으로 참여시켰다(거부자는 1명). 표본이 작음에도 불구하고 최근 HIV 검사 행동에 유의한 변화가 관찰되었다. 콘돔 사용은 PCA 메시지의 주요 초점이 아니었기 때문에 변화가 없었던 것으로 보인다.

본 연구의 제한점은 비교군 부재, 작은 표본 규모, 약간의 추적 손실, 그리고 단일 드롭‑인 센터에서 모집된 점으로 인한 일반화 가능성의 제한이다. 향후 연구에서는 (1) 자원봉사자·직원 추천 기반 표준 PCA 선정 프로토콜을 적용한 대조군, (2) 개입 자체가 없는 대조군을 포함해 반복 설문이 HIV 검사에 미치는 영향을 평가하는 두 개의 대조군을 설계해야 한다.

참고문헌

1. Arnold EM, Rotheram‑Borus MJ. Comparisons of prevention programs for homeless youth. Prev Sci. 2009;10(1):76‑86.
2. Rice E, Barman‑Adhikari A, Milburn NG, Monro W. Position‑specific HIV risk in a large network of homeless youths. Am J Public Health. 2012;102(1):141‑147.
3. Green HD Jr, de la Haye K, Tucker JS, Golinelli D. Shared risk: who engages in substance use with American homeless youth? Addiction. 2013;108(9):1618‑1624.
4. Medley A, Kennedy C, O’Reilly K, Sweat M. Effectiveness of peer education interventions for HIV prevention in developing countries: a systematic review and meta‑analysis. AIDS Educ Prev. 2009;21(3):181‑206.
5. NIMH Collaborative HIV/STD Prevention Trial Group. Results of the NIMH collaborative HIV/sexually transmitted disease prevention trial of a comm

이 글은 AI가 자동 번역 및 요약한 내용입니다.