정신건강 증례지와 생체 신호를 결합한 LSTM 기반 멀티 모달 자타해 예측 모델

Abstract

본 연구는 정신병동에서 발생할 수 있는 충동적 자타해 행위를 더 정밀하게 예측하고 방지하기 위한 목적으로, 증례지 데이터와 생체 신호 데이터를 통합하여 분석하는 인공지능(AI)모델 개발에 중점을 둔다. 연구 대상 데이터는 서울대병원, 용인정신병원, 동국대병원에서 수집된 각 환자의 증례지 정보와 헬스커넥트(주)에서 제공하는 웨어러블 디바이스를 통해 수집된 생체 신호 데이터로 구성된다. 이러한 데이터의 복잡성을 고려하여 결측치 및 이상치 탐지 후, SHAP Value 분석을 통해 CRF에서 핵심변수를 선별하고 차원을 축소함으로써 실제 임상 환경에서의 응용 가능성을 높였다. 본 논문에서 개발된 AI 모델은 LSTM을 기반으로 하여, 증례지 데이터와 생체 신호 데이터를 동시에 처리할 수 있는 다중 입력 구조를 갖추고 있다. 이는 시간에 따라 변화하는 생체 신호의 패턴뿐만 아니라, 환자의 임상적 특성을 종합적으로 고려하여 자살 위험성을 평가한다. 특히, 이 모델은 충동적 자살 행위의 사전 감지에 있어 센서 데이터의 활용이라는 새로운 방법론을 제안함으로써, 기존의 정신 척도나 음성 분석 등에 의존한 방법들과 차별화된다. 정신 건강 관리와 자살 예방 분야에서 AI의 적용 가능성을 탐색하며, 특히 정신병동과 같은 높은 위험도를 가진 환경에서의 충동적 자살 행위 감지 및 예방에 기여할 수 있는 새로운 방법론을 제시한다. 이를 통해, 향후 정신 건강 서비스의 질을 향상시키고, 위험에 처한 환자들에게 보다 효과적인 개입을 제공할 수 있는 기반을 마련할 것으로 기대된다.