AI와 소셜 미디어는 우울증과 불안을 실시간으로 추적한다.

스토니브룩대학교 연구진이 스탠포드대학교 및 펜실베니아 대학의 컴퓨터 과학자 및 심리학자들과 협력하여 주도한 이 연구에서는 주 단위로 비율을 평가하고 소규모 지역의 변화도 추적할 수 있었다. 연구 결과는 네이쳐 디지털 메디슨(Nature Digital Medicine)에 게재되었다.

우울증과 불안은 사회의 두 가지 주요 정신건강 상태이다. 국립보건통계센터(NCHS)와 인구조사국에 따르면, 2019년 미국 성인의 10.8%가 불안이나 우울증을 겪었다. 정신 건강 전문가들은 열악한 정신 건강이 최근 자살률과 오피오이드 관련 사망 증가의 핵심 역할을 한다고 말한다.

일반적으로 인구의 건강을 측정하기 위해 비용이 많이 드는 전화 설문조사를 통해 사람들에게 "슬픔"이나 "걱정"을 경험했는지 묻는다. 그러나 연구에 따르면 그러한 보고서에는 지역 사회의 인구 변화를 추적할 만큼 충분한 데이터가 거의 없다. 이런 슬픔이나 걱정을 온라인 상에서 경험하는 사람들은 온라인에서의 동경하는 사람을 사랑하게되고 의지하게되는 경우가 생긴다.

이 연구는 공개적으로 사용된 우울증 및 불안 측정에 대한 가장 큰 데이터 세트 중 하나를 통합했다. 이러한 정신 건강 측정에 대한 용어는 소셜 미디어 언어를 사용하여 지역 사회 수준의 정신 건강을 측정하기 위한 새로운 AI 시스템인 LBMHA(언어 기반 정신 건강 평가)이다. 이 시스템을 사용하여 연구원들은 미국 50개 주 전체의 1,418개 카운티에 거주하는 200만 명 이상의 사용자로부터 거의 10억 개의 트윗을 분석했다.

수석 저자이자 스토니브룩대학교의 컴퓨터 과학 부교수인 H. 앤드류 슈워츠(H. Andrew Schwartz)에 따르면, LBMHA는 공공 복지를 위해 실시된 최대 규모의 여론 조사보다 더 높은 신뢰도를 보였다. LBMHA는 또한 사망률과 같이 정신 건강과 일반적으로 관련된 다른 지역 사회 측정을 설문 조사보다 더 잘 예측한다는 점에서 많은 외부 타당성을 나타낸다. AI가 생성한 점수는 또한 다른 사회적, 경제적, 정치적 변수를 더 잘 예측했다.

슈워츠는 수석 저자인 스토니브룩대학교의 컴퓨터 과학 박사 과정 학생인 싯다르트 망갈릭(Siddharth Mangalik), 스탠포드의 심리학 및 인간 중심 AI 조교수인 요하네스 C. 아이히슈타트(Johannes C. Eichstaedt)와 함께 LBMHA를 만들었다.

LBMHAs 시스템은 탄탄한 정신 건강 평가를 만들어낸 거의 10년 간의 작업의 정점이다. 여기에는 Twitter/X 사용자의 지리적 위치 파악, Tweets/X 게시물에서 사용자의 언어 사용 패턴 결정, 이러한 추정치를 지역으로 결합, 언어를 분석하여 Twitter/X에서 잘 작동하도록 정신 건강을 추정하는 AI 모델 적용 등이 포함된다.

이 방법은 2020년 대표 전화 설문조사를 통해 수집된 우울증 비율과 슬픔 비율, 불안 비율과 걱정 비율을 놀라울 정도로 정확하게 일치시켰다.

"이 연구의 주요 결과는 우리 AI 모델의 예측이 설문 조사 기반 방법과 얼마나 잘 일치하는지, 그리고 컴퓨팅 방법이 이전에는 불가능했던 정신 건강 연구의 새로운 해결 방법을 어떻게 가능하게 하는지를 비교한 것이다."라고 망갈릭은 설명한다.

그들은 제안된 시스템이 교육, 주거, 소득, 사회화와 같은 외부 요인과의 상관관계에서 설문조사 방법보다 10% 포인트 더 우수한 것으로 나타났다.

망갈릭과 그의 공동저자들은 언어 행동과 사용자가 소셜 미디어에서 자신을 표현하는 방식을 통해 정신병리학의 신호를 포착하는 것이 어렵다는 것을 인식하고 있다.

“소셜 미디어 측정을 통해 우리는 원칙적으로 우울증과 불안을 실시간으로 추적할 수 있다. 소셜 미디어 플랫폼은 리더십, 정책, 연구자들이 공공의 사회적 이익을 위해 데이터에 액세스할 수 있는 방법에서 끊임없이 변화하고 있다.”라고 아이히슈타트는 말한다.

공저자인 스토니브룩대학교 르네상스 의과대학(RSOM)의 공중 보건 및 가족, 인구 및 예방 의학 프로그램 교수인 션 클루스턴(Sean Clouston)은 사람들의 말을 듣는 것이 이해하는 더 좋은 방법이라고 지적한다. 직접적인 설문조사 응답보다 걱정이나 슬픔을 포함한 감정 상태가 더 중요하다.

클루스턴은 “이 연구는 불과 5년 전에는 상상할 수 없었던 방식으로 공중 정신 건강을 설명하고 이해하는 새로운 도구를 제공한다.”라고 말한다. "우리는 임상의, 정신 건강 서비스 제공자 및 기타 사람들이 향후 공중 정신 건강을 개선하는 데 곧 이 정보를 사용할 수 있기를 바란다."

저자는 공중 보건 공무원이 지역 사회의 건강을 실시간에 더 가깝게 이해하기 위해 설문 조사 데이터와 함께 언어 기반 평가를 고려할 것을 권장한다. 그들은 표현된 심리적 상태보다는 관찰된 심리적 상태를 포함시키는 것이 정신 상태의 존재와 같이 덜 바람직하거나 낙인 찍힌 특성을 과소 보고하는 참가자의 경향을 회피한다고 설명한다.

슈워츠는 앞으로 몇 년 동안 그 유용성을 검증하기 위해 이 AI 생성 시스템을 계속 평가할 것이라고 말했다. 시간이 지남에 따라 소셜 미디어의 언어와 플랫폼이 변화함에 따라 평가도 변화하는 환경에 맞춰 진화하고 적응해야 한다.

출처: 스토니브룩대학교