인도네시아에서 트위터를 활용한 건강·질병 사건 탐색: 검색 프로토콜 검증

초록

본 연구는 인도네시아어 키워드 집합을 이용해 트위터에서 건강·질병 관련 트윗을 추출하고, 이를 전문가가 직접 라벨링한 데이터와 비교하여 검색 프로토콜의 정확성을 검증한다. 분류·회귀 나무(CART) 모델을 통해 자동 검색 결과와 인간 판별 결과의 일치도를 평가했으며, AUC 0.8 이상이라는 높은 예측력을 확인했다. 결과적으로 트위터 감시가 실시간 보건 상황 파악의 유용한 대체 지표가 될 수 있음을 제시한다.

상세 분석

이 논문은 디지털 역학 분야에서 소셜 미디어 데이터를 활용한 보건 감시의 가능성을 탐색한다. 연구자는 먼저 인도네시아어로 된 ‘질병·건강’ 관련 키워드 30여 개를 사전 정의하고, 트위터 API를 통해 6개월(2022년 1~6월) 동안 수집된 1.2백만 건의 트윗을 필터링하였다. 수집된 데이터는 중복 제거, 스팸 필터링, 언어 정규화 과정을 거쳐 텍스트 전처리를 수행했으며, 이 과정에서 형태소 분석기(Kuromoji 기반)를 활용해 토큰화와 어간 추출을 진행하였다.

라벨링 단계에서는 두 명의 보건 전문가가 무작위 추출된 5,000개의 트윗을 ‘질병 관련’, ‘건강 관련’, ‘무관’ 세 카테고리로 수동 분류하였다. 전문가 간 일치도는 Cohen’s κ=0.82로 높은 신뢰성을 보였다. 이후 CART 알고리즘을 적용해 키워드 매칭 기반 자동 검색 결과와 전문가 라벨을 학습·검증 데이터로 사용하였다. 모델은 70% 훈련, 30% 테스트 비율로 분할했으며, 변수 중요도 분석을 통해 ‘demam’, ‘batuk’, ‘sakit kepala’ 등 특정 증상 키워드가 높은 기여도를 나타냈다.

성능 평가는 ROC 곡선과 AUC, 정확도, 정밀도·재현율을 기준으로 수행되었다. 전체 모델의 AUC는 0.84, 정확도 87%, 정밀도 0.81, 재현율 0.79를 기록했으며, 특히 ‘질병 관련’ 트윗 탐지에서 높은 민감도를 보였다. 시간대별 트윗 빈도 분석 결과, 특정 감염병(예: 독감) 발생 시기에 트윗량이 급증하는 패턴이 관찰되어, 실시간 감시 시스템 구축 시 시계열 분석과 결합하면 조기 경보에 활용 가능함을 시사한다.

한계점으로는 키워드 기반 검색이 어휘 변형이나 은어, 철자 오류에 취약할 수 있다는 점과, 트위터 사용자층이 인도네시아 전체 인구를 대표하지 않을 가능성이 제기된다. 또한, 자동 라벨링 모델이 다중 라벨(동시 발생하는 여러 증상) 상황을 충분히 구분하지 못한다는 점도 논의된다. 향후 연구에서는 딥러닝 기반 자연어 처리(NLP) 모델을 도입해 문맥적 의미 파악을 강화하고, 다른 소셜 플랫폼(페이스북, 인스타그램)과 연계한 멀티모달 감시 체계를 구축하는 방안을 제시한다.

전반적으로 이 연구는 트위터 데이터를 활용한 보건 감시가 실시간으로 질병 발생을 포착할 수 있는 유효한 방법임을 실증적으로 입증했으며, 정책 입안자와 보건 당국이 디지털 역학 도구를 보완적으로 활용할 근거를 제공한다.