정신질환 위험을 가진 사람의 '대화 특징'은?
· 대화분석을 하는 AI를 이용하여 정신분열증 등의 정신질환을 판단하는 연구가 이루어졌다
· 이 AI에서는 뉴욕타임스나 인터넷 게시판의 방대한 문장을 통해 대화 내용을 해석하는 기계학습을 하고 있다.
· 최종적으로 AI는 회화의 의미 밀도, 빈출하는 단어 경향 등에서 90%에 가까운 정확도로 환자를 판단하는 데 성공했다
정신질환의 판정은 민감한 문제로, 전문의사도 판단하기 어려운 것이다.
특히 증상의 조기 발견은 상당히 어려운 문제가 된다.
확실히 정신질환을 어떻게 정의하고 정량평가를 할 것인지는 지금도 애매하고 정신과는 고도로 기계화되는 의료진단의 분야에서 아직도 뒤처진 영역이라고 할 수 있다.
이 문제에 대해 최근에는 AI를 이용해 판단하는 연구에 관심이 집중되고 있다.
AI라면 정신질환 증상에서 볼 수 있는 분명한 공통점을 객관적으로 판단할 수 있을 것으로 기대되기 때문이다.
그래서, 무엇에 주목해 분석을 실시하는가 하는 점이, 이 연구의 중심이 된다. 지금까지도 마이크로소프트 등이 피험자의 표정이나 음성으로 정신증상을 진단하는 연구를 하고 있다.
이번에 보고된 연구에서는 본 정신증상을 분석하면서 피험자의 대화내용에 착안하였으며 AI는 90%에 가까운 정밀도로 환자를 판정하는 데 성공하였다.
이 연구는, 하버드 대학과 에모리 대학의 연구자로부터 발표되었으며, 네이쳐 파트너 저널 Schizophrenia에 공개되어 있다.
A machine learning approach to predicting psychosis using semantic density and latent content analysis
https://www.nature.com/articles/s41537-019-0077-9
◆ 정신 분열증의 대화 경향
통합실조증이나 양극성 장애(구, 조울증) 환자에게는 공통된 대화 경향이 있다.
그 중 하나가 대화의 의미 밀도가 낮다고 하는 것이다. 의미 밀도라는 것은 사용하고 있는 단어의 수에 대해 별로 의미가 없는 것을 말한다.
많은 말을 사용하면서 거의 의미를 전달하지 않는 사람은 정신분열증이나 양극성 장애를 일으킬 위험이 상당히 높다고 한다.
◆ 대화에서 정신질환 위험을 발견한 AI
에모리대학의 정신과 의사가 행한 연구에서는, 이러한 대화의 의미 밀도에 주목하고 있다.
AI에게 피실험자 40명의 대화 샘플을 들려주고 의미 밀도가 낮은 사람을 추출한 결과, 후속조사에서 추출된 대상의 80%가 실제로 정신질환에 걸린 것이다.
또 이 AI는, 뉴욕 타임즈 등 신문의 문장이나, Reddit라고 하는 해외의 전자게시판의 3만명의 글 게시자 사이에 오고 간 대화를 이용해, 단어의 의미가 가까운 사람끼리 클러스터의 기계 학습도 하고 있다.
이 학습을 통해서 AI는 잠재 의미해석이라고 하는, 대화를 하고 있는 인물이 잠재적으로 흥미를 위한 화제를 추출하는 것도 가능하다.
이 해석의 결과, 지금까지 발견되지 않았던 새로운 정신질환 위험이 있는 대화 경향이 발견되었다.
그것은 정신질환을 발병한 사람들은, 「목소리」 「소리」 「들리다」 「속삭임」이라고 하는 종류의, 주로 청각에 관계하는 화제에 강한 관심을 가지는 경향이 있다고 하는 것이다.
이러한 청각에 관계하는 개념 클러스터는, 흥미롭게도 학습시에 이용된 대화 샘플 내에는 생기지 않았다.
이러한 잠재 의미 해석의 결과를 토대로 하여 낮은 의미 밀도, 청각과 관련된 단어의 이용빈도를 포함하여 AI로 하여금 대화를 분석하게 한 결과 정신질환 검출율은 90% 이상이 된 것이다.
아마 이 결과는 환청 같은 것에 언급하는 경우가 많은 것이 한 요인으로 보인다. 또한 약간의 잡음에 반응하기 쉬운 경향으로도 이어질 가능성이 있다고 한다.
지금까지 드러나지 않았던 사실이 AI 분석을 통해 발견된다는 것은 재미있는 결과이다.
최근에는 큰 범죄를 저지르는 인물이 사전에 인터넷에 글을 썼다는 사실도 많이 알려져 있다. 이번에는 학습단계에서 게시판의 글을 이용하였다고 하는데, 어쩌면 조만간 게시판의 글을 통해 AI가 위험인물을 판정하고 신고하는 시대가 올지도 모르겠다.
