소셜 미디어로 보는 양극성 장애 언어 궤적: 대규모 장기 분석

초록

**
본 연구는 Reddit 사용자들의 자가 진단 게시물을 기반으로 양극성 장애(BD) 진단 시점과 전·후 언어 변화를 추적하였다. 진단 전후에 감정, 정신병리, 물질 사용, 입원·의료 기록 등 다양한 주제가 급격히 변하고, 진단 후에는 12개월 주기의 계절성 기분 변동이 반복적으로 나타났다. 이러한 언어 패턴은 전통적 정신건강 코호트 연구를 보완할 수 있는 새로운 디지털 바이오마커로 활용 가능성을 시사한다.

**

상세 분석

**
본 논문은 기존 양극성 장애 연구가 주로 횡단면 설계와 제한된 샘플 규모에 머물렀던 점을 극복하고, 소셜 미디어라는 방대한 자연언어 데이터를 활용해 장기적·대규모 분석을 수행한 점이 가장 큰 혁신이다.

1. 진단 시점 추정 방법 – 사용자가 “I was diagnosed with bipolar”와 같은 문구를 올린 시점을 ‘진단 시점’으로 정의하고, 해당 시점을 중심으로 전후 2년(또는 그 이상)의 포스트를 수집하였다. 이를 위해 정규표현식 기반의 키워드 매칭과 인간 검증 과정을 결합해 높은 정확도의 자동 라벨링 파이프라인을 구축하였다.

2. 대조군 설계 – 양극성 장애 사용자와 유사하게 ‘우울증’ 자체 진단자를 별도 그룹으로, 정신건강 관련 언급이 전혀 없는 일반 사용자를 또 다른 대조군으로 설정함으로써, 질병 특이적 언어 변화를 구분할 수 있었다.

3. 언어 특성 추출 – LIWC, Empath, BERT‑based 임베딩 등 다중 언어 분석 도구를 이용해 감정 어휘(긍정·부정), 인지·사회·신체·의료 관련 토픽, 문장 구조(문장 길이, 연결어 사용) 등을 정량화하였다. 특히 ‘불안·우울·흥분’ 어휘 비중이 진단 전후에 급격히 변하고, ‘병원·입원·약물’ 언급이 진단 직후 급증하는 패턴을 확인하였다.

4. 주기성 분석 – 시계열 분석(FFT, Lomb‑Scargle periodogram)을 적용해 진단 후 언어 변동에 약 12개월 주기의 강한 주기가 존재함을 발견하였다. 이는 계절성 정서 장애와 일치하며, 소셜 미디어 상에서 기분 변동이 실제 임상적 계절성에 반영될 수 있음을 시사한다.

5. 통계적 검증 – 혼합 효과 모델을 사용해 개인별 차이를 통제하고, 그룹·시간·상호작용 효과를 검증하였다. 양극성 그룹은 우울증·일반 그룹에 비해 감정 어휘 변동 폭이 더 크고, 의료·물질 사용 관련 토픽이 지속적으로 높은 수준을 유지했다.

6. 윤리·프라이버시 – 공개된 Reddit 데이터를 사용했지만, 사용자 식별 가능성을 최소화하기 위해 ID 해시화, 데이터 익명화, 연구 목적 외 사용 금지 등 엄격한 윤리 프로토콜을 적용하였다.

핵심 인사이트

• 소셜 미디어 언어는 양극성 장애의 발현과 진행을 실시간으로 포착할 수 있는 민감한 지표이며, 특히 진단 전후의 급격한 토픽 전환이 질병 발현을 예고한다.
• 12개월 주기의 언어 주기는 계절성 기분 변동을 반영하므로, 디지털 치료 개입 시기에 대한 시계열 기반 예측 모델 구축이 가능하다.
• 기존 임상 데이터와 결합하면, 조기 진단, 재발 위험 예측, 맞춤형 치료 모니터링 등에 활용할 수 있는 ‘디지털 바이오마커’ 체계 구축의 초석이 된다.

**