긍·부정 정서의 동적 상호작용과 치료 효과 모델링

본 연구는 인간 정서가 긍정(P)과 부정(N) 두 축으로 구성된다는 전제 하에, 이들 정서가 외부 사건에 의해 어떻게 동적으로 변하는지를 수학적으로 모델링한다. 기존의 정적 BSOM 모델은 정서 비율 EB = P/(P+N) 을 통해 정신건강 상태를 구분했지만, 시간에 따른 변화를 설명하지 못했다. 이를 보완하기 위해 저자들은 외부 사건을 양·음의 두 독립 포아송 과정(강도 λ₀)으로 가정하고, 사건 발생 시 정서 변수에 미치는 효과를 현재 정서 균형 EB(t) 에 의존하는 진폭 q_P(EB), q_N(EB)와 지속시간 τ_P, τ_N 으로 정의하였다. 특히 q_P, q_N 은 시그모이드 형태로 설정해, 높은 EB (긍정 정서가 우세)일수록 긍정 사건의 효과가 크게, 부정 사건의 효과가 작게 작용하도록 설계하였다. 모델의 핵심은 내부 정서 표상 IB(t) 과 IN(t) 을 도입해, 실제 정서(P, N)와 자기 인식 사이에 시간 지연 t_d 을 두었다는 점이다. 이는 개인이 현재 감정을 즉시 평가하지 않고, 과거 경험을 일정 기간 동안 통합해 자기 이미지로 형성한다는 심리학적 가설을 반영한다. 내부 표상은 단순히 P(t‑t_d), N(t‑t_d) 로 표현되며, 이 지연이 시스템에 비선형 피드백을 제공한다. 연속 근사 후 평균 동역학은 두 개의 지연 미분 방정식으로 요약된다. 여기서 g₀ 은 현재 정서와 내부 표상 간 차이가 클 때 발생하는 복원력(감쇠) 항이며, λ₀ q_P, λ₀ q_N 은 외부 사건에 의한 급격한 변화를 나타낸다. 수학적 분석에서는 고정점(정서 균형이 일정한 상태), 주기해(정서 진동), 그리고 호프-스위치와 같은 분기 현상을 탐색하였다. 파라미터 α, β (시그모이드의 스케일 및 경사), t_d (지연), λ₀ (사건 발생 빈도) 등이 변할 때 시스템이 어떻게 전이하는지를 수치 시뮬레이션으로 검증했다. 특히 t_d 가 작을 때는 시스템이 고정점에 머무르며 급격한 변동을 보였고, t_d 가 증가하면 저진동 주기의 주기해가 나타나 정서가 과거 상태를 반영해 점진적으로 안정화되는 패턴이 관찰되었다. 이는 “역사적 정서 상태를 평가”하는 메커니즘이 재발 방지에 기여한다는 가설을 뒷받침한다. 임상 적용을 위해 저자들은 10년에 걸친 한 명의 재발 우울 환자(JR)의 치료 데이터를 분석했다. JR은 처음에 대처 중심 치료(5개월)와 이후 혼합 치료(다양한 강도와 기간) 두 차례 치료를 받았다. 각 치료 단계에서 정서 균형 EB 시계열을 측정하고, 모델 파라미터를 피팅하였다. 대처 중심 치료 기간에는 사건 강도 λ₀ 가 높고 지연 t_d 가 짧아 정서 변동성이 크게 증가했으며, 이는 치료 초기에 “불안정화”가 일어나지만 장기적으로는 긍정적 변화를 촉진한다는 기존 연구와 일치한다. 반면 혼합 치료 단계에서는 t_d 가 연장되고 α/β 비율이 조정돼 q_P 와 q_N 의 비대칭성이 감소하면서 정서 진동이 점차 감쇠하고 EB≈0.72 (정상) 수준에 수렴하였다. 모델은 이러한 질적·양적 변화를 재현함으로, 정서 동역학 모델이 실제 임상 경과를 설명할 수 있음을 보여준다. 논의에서는 정서 균형이 단순히 고정된 목표값이 아니라, 일정한 저진동 주기를 가진 “유연한 안정성” 상태가 더 바람직하다고 주장한다. 이는 고정된 정서 상태가 외부 스트레스에 취약한 반면, 작은 진동을 허용하는 시스템은 적응적 회복력을 유지한다는 점과 일맥상통한다. 또한, 치료 설계 시 t_d (내부 표상의 업데이트 속도)와 q_P/q_N (긍·부정 사건에 대한 민감도) 조절을 목표로 하면 재발 위험을 감소시킬 수 있다는 실용적 시사점을 제시한다. 결론적으로, 이 논문은 정서 동역학을 지연 미분 방정식으로 정형화함으로써, 외부 사건의 비대칭적 영향과 내부 자기표상의 시간적 통합이 정서 균형의 안정성에 핵심적임을 밝히고, 두 가지 치료법의 효과를 정량적으로 비교하였다. 향후 연구에서는 다수 환자 데이터를 활용한 통계적 검증과, 파라미터 추정 자동화, 그리고 치료 개입 시뮬레이션을 통한 맞춤형 치료 설계가 기대된다.