AI 기반 디지털 정신건강 개입의 현주소와 향후 로드맵

이 논문은 인공지능(AI) 기반 디지털 정신건강(mHealth) 개입의 최신 동향을 포괄적으로 조명한 스코핑 리뷰이다. 연구팀은 2024년 1월까지 발표된 36개의 실증 연구를 대상으로, PRISMA‑ScR 절차에 따라 체계적인 검색·선별·데이터 추출을 수행하였다. 주요 검색어는 ‘conversational AI’, ‘ChatGPT’, ‘machine learning mental health’ 등이며, 총 1,674건의 기록 중 중복·비관련 논문을 제외하고 최종 36건을 분석에 포함시켰다. **연구 목적**은 AI 기술이 정신건강 관리의 다섯 핵심 단계—스크리닝·트라이아(pre‑treatment), 치료(treatment), 포스트‑트리트먼트·모니터링(post‑treatment), 예방·일반 지원(general support), 임상 교육(clinical education)—에 어떻게 적용되고 있는지를 지도화하고, 각 단계별 효과·제한점을 파악하는 것이다. 이를 위해 네 가지 연구 질문(RQ1‑RQ4)을 설정하고, AI 모달리티별(규칙 기반 챗봇, 대화형 AI 에이전트, 머신러닝·딥러닝 모델, 자연어 처리 도구, 대규모 언어 모델(LLM)) 적용 현황과 성과 지표를 정리하였다. **핵심 결과**는 다음과 같다. 1. **AI 모달리티 분포**: 챗봇·대화형 에이전트가 가장 빈번히 사용됐으며, LLM 기반 에이전트는 치료 단계에서 급증했다. 머신러닝·딥러닝 모델은 주로 위험 예측·증상 모니터링에 활용되었다. 2. **임상 단계별 적용**: - *스크리닝*: 규칙 기반 챗봇과 간단한 NLP 파이프라인이 온라인 자가진단·리퍼럴을 자동화, 응답률 30‑40% 상승. - *치료*: GPT‑4 파인튜닝 등 LLM 기반 다중 턴 대화가 CBT·감정 조절 스크립트를 제공, 사용자 만족도와 세션 지속시간이 15% 증가했으나 치료 효과는 기존 인간 치료와 차이 없음. - *포스트‑트리트먼트*: 센서·텍스트 데이터 융합 ML/DL 모델이 재발·자살 위험을 예측(AUC 0.78‑0.85), 실시간 알림으로 조기 개입 가능. 개인정보 보호 이슈가 강조됨. - *예방·지원*: 저강도 챗봇과 맞춤형 LLM 콘텐츠가 스트레스 관리·마음챙김을 제공, 6개월 지속률 45%에 머무름. - *임상 교육*: 시뮬레이션 AI 튜터가 진단 인터뷰 연습을 지원, 학습자 시험 점수 8% 상승. 실제 임상 적용 검증 부족. 3. **혜택**: 대기시간 감소, 환자 참여도 향상, 증상 추적 자동화, 위험 예측을 통한 조기 개입 등. 4. **도전 과제**: 알고리즘 편향(특히 인구통계학적 소수집단), 데이터 프라이버시·보안, 인간‑AI 협업 설계(책임소재·감시 체계), 규제·윤리 가이드라인 부재. **네 기둥 프레임워크**는 데이터(투명한 수집·표준화), 모델(검증·해석 가능성), 임상(워크플로 통합·인간 감독), 정책(규제 샌드박스·윤리 가이드)으로 구성돼, AI 기반 정신건강 개입의 안전하고 공평한 확산을 위한 로드맵을 제시한다. 연구팀은 향후 LLM의 임상 검증, 지속 가능한 데이터 거버넌스, 다학제 협업 모델 구축, 그리고 규제 기관과의 협력을 통해 기술 성숙도를 높이고, 소외된 인구에 대한 접근성을 강화할 것을 권고한다. **결론**적으로, AI‑구동 디지털 정신건강 도구는 현재 치료 보조·모니터링 단계에서 실질적인 가치를 제공하고 있으나, 임상 효과와 안전성을 보장하기 위한 체계적인 검증·규제·윤리적 설계가 필수적이다. 본 리뷰는 연구자·임상의사·정책입안자에게 현황 파악과 향후 전략 수립에 유용한 종합적인 지도와 실천 지침을 제공한다.