AI 기반 동료 리더 선정으로 홈리스 청년의 HIV 검사 촉진 파일럿 연구

초록

본 연구는 인공지능(AI) 알고리즘을 활용해 홈리스 청년 집단 내에서 동료 변화 요인(Peer Change Agent, PCA)을 선정하고, 이들이 HIV 검사 메시지를 전파하도록 교육·지원함으로써 검사율 변화를 파일럿 테스트하였다. 62명을 모집해 1개월·3개월 추적 조사했으며, AI가 선정한 11명의 PCA가 1일 교육과 7주간 부스터 세션을 받았다. 6개월간 HIV 검사 경험은 베이스라인 57.9%에서 1개월 시점 82.4%로 유의하게 상승했지만, 콘돔 사용률은 변동이 없었다. 대부분의 청년이 PCA와 HIV 예방 대화를 나눈 것으로 보고되었다.

상세 분석

이 연구는 전통적인 동료 네트워크 기반 개입에 AI를 접목함으로써 ‘누가’ 가장 효과적인 전파자를 담당할 수 있는지를 데이터 기반으로 결정한다는 점에서 혁신적이다. 먼저, 연구팀은 Facebook 애플리케이션을 통해 참여 청년들의 온라인 사회연결망 데이터를 수집하였다. 이 데이터는 친구 관계, 상호작용 빈도, 그룹 소속 등 다양한 구조적 특성을 포함했으며, 이를 토대로 그래프 이론 기반의 중심성 지표(예: 베트윈 중심성, 클러스터링 계수)와 연결 강도를 정량화하였다. AI 알고리즘은 이러한 정량적 네트워크 특성을 입력으로 받아, ‘전파 효율성’과 ‘접근성’이라는 두 가지 목표 함수를 동시에 최적화하도록 설계되었다. 구체적으로, 전파 효율성은 선택된 PCA가 네트워크 전반에 메시지를 빠르게 확산시킬 수 있는 잠재력을 의미하고, 접근성은 대상 청년들이 실제로 PCA와 접촉할 가능성을 반영한다.

알고리즘은 유전 알고리즘 기반의 탐색 절차를 사용해 후보 PCA 집합을 반복적으로 평가·갱신했으며, 최종적으로 11명을 선정하였다. 선정된 PCA는 1일 집중 교육과 7주간 주 1회 부스터 세션을 통해 HIV 검사와 예방에 관한 지식, 대화 기술, 그리고 윤리적 의사소통 방법을 습득하였다. 교육 내용은 행동 과학 이론(예: 확산 이론, 사회 인지 이론)을 바탕으로 설계돼, PCA가 동료 청년에게 검사의 필요성을 설득하고 실질적인 검사 접근을 돕도록 구성되었다.

효과 평가에서는 혼합효과 모델을 적용해 시간에 따른 변화와 개인 간 변이를 동시에 통제하였다. 결과는 6개월 HIV 검사 경험 비율이 베이스라인 57.9%에서 1개월 시점 82.4%로 유의하게 상승했으며(p < .05), 3개월 시점에도 76.3%를 유지했다는 점에서 AI 기반 PCA 선정이 검사 촉진에 긍정적 영향을 미쳤음을 시사한다. 반면, 콘돔 사용률은 63.9%→65.7%→65.8%로 변동이 미미했으며, 이는 행동 변화가 검증된 검사와 달리 지속적인 동기 부여와 접근성 개선이 필요함을 암시한다. 또한, 1개월 시점에 72.0%, 3개월 시점에 61.5%의 청년이 PCA와 HIV 예방 대화를 나눴다고 보고했으며, 이는 초기 접촉은 활발했으나 시간이 지나면서 유지율이 다소 감소했음을 보여준다.

연구의 한계로는 표본 크기가 작고, 추적률이 62명 중 38명(61.3%)으로 감소한 점, 그리고 온라인 네트워크 데이터가 오프라인 실제 접촉을 완전히 대변하지 못할 가능성이 있다. 또한, AI 알고리즘의 선택 기준이 투명하게 공개되지 않아 재현성에 대한 의문이 제기될 수 있다. 그럼에도 불구하고, 이 파일럿은 AI가 복잡한 사회적 네트워크 내에서 최적의 전파자를 식별하고, 제한된 자원을 효율적으로 배분할 수 있음을 실증적으로 보여준다. 향후 연구에서는 더 큰 규모와 다양한 지역에서의 검증, 오프라인 네트워크와의 통합, 그리고 AI 모델의 해석 가능성을 강화한 설계가 필요하다.