대규모 언어모델(LLM) 기반의 의료용 인공지능(AI)이 녹음된 음성 메시지를 분석해 주요우울장애(MDD)를 75~91% 정확도로 식별할 수 있다는 임상시험 결과가 나왔다. 브라질 산타 카사 지 상파울루 의과학대학 루카스 마르케스 교수팀은 22일 의학 저널 플로스 정신 건강(PLOS Mental Health)에서 7가지 LLM 모델을 주요우울장애 환자와 건강한 성인 180명의 왓츠앱(WhatsApp) 음성 메시지를 이용해 학습시키고, 주요우울장애를 진단하게 하는 임상시험 에서 이런 결과를 얻었다고 밝혔다. 연구팀은 일부 의료용 LLM 모델은 주요우울장애 식별에서 여성은 91%, 남성은 78%의 정확도를 보였다며 이는 AI를 실제 환경에서 음성 메시지를 이용해 주요우울장애를 식별하는 데 활용할 수 있는 가능성을 보여준다고 말했다. 주요우울장애는 세계적으로 2억8천만명 이상에게 영향을 미치는 흔한 정신건강 질환으로, 일상생활은 물론 업무 생산성, 대인관계, 전반적인 삶의 질에 큰 영향을 미칠 수 있으며, 적절한 치료를 위해서는 조기 발견이 중요하다. 연구팀은 그러나 주요우울장애 진단에 활용할 수 있는 신뢰할 수 있는 생물학적 지표가 부족해 선별 검사가 어렵고 이
왓츠앱 음성메시지를 이용한 주요우울장애 진단 인공지능 개요 연구팀은 왓츠앱 음성메시지를 전처리하고 음향 특징을 추출해 7개 LLM 모델을 훈련시킨 다음, 독립적인 테스트 세트를 이용해 각 모델의 주요우울장애 진단 정확도를 평가했다. [Otani et al., 2026, PLOS Mental Health 제공 대규모 언어모델(LLM) 기반의 의료용 인공지능(AI)이 녹음된 음성 메시지를 분석해 주요우울장애(MDD)를 75~91% 정확도로 식별할 수 있다는 임상시험 결과가 나왔다. 브라질 산타 카사 지 상파울루 의과학대학 루카스 마르케스 교수팀은 22일 의학 저널 플로스 정신 건강(PLOS Mental Health)에서 7가지 LLM 모델을 주요우울장애 환자와 건강한 성인 180명의 왓츠앱(WhatsApp) 음성 메시지를 이용해 학습시키고, 주요우울장애를 진단하게 하는 임상시험에서 이런 결과를 얻었다고 밝혔다. 연구팀은 일부 의료용 LLM 모델은 주요우울장애 식별에서 여성은 91%, 남성은 78%의 정확도를 보였다며 이는 AI를 실제 환경에서 음성 메시지를 이용해 주요우울장애를 식별하는 데 활용할 수 있는 가능성을 보여준다고 말했다. 주요우울장애는 세계적으로 2
청소년기 소셜미디어 사용은 적당할 경우 웰빙 수준을 높일 수 있지만 과도하거나 너무 적을 경우 오히려 웰빙 수준이 떨어지는 U자형 관계가 나타날 수 있다는 연구 결과가 나왔다. 호주 사우스오스트레일리아대 벤 싱 박사팀은 미국의사협회 학술지 JAMA 소아과학(JAMA Pediatrics)에서 초등 4학년~고교 12학년 청소년 10만여명을 3년간 추적한 결과 소셜미디어와 청소년 웰빙 간 연관성이 나이와 성별에 따라 복잡하고 비선형적인 양상을 보였다며 22일 이같이 밝혔다. 연구팀은 이 연구 결과는 청소년이 소셜미디어 사용을 완전히 피하는 것과 과도하게 사용하는 것 모두가 웰빙에 문제가 될 수 있고, 그 영향이 나이와 성별에 따라 다를 수 있음을 보여준다고 말했다. 스마트폰 확산으로 소셜미디어가 청소년 웰빙과 어떤 관련이 있는지에 대한 논쟁이 계속되고 있다. 과도한 사용이 심리적 고통과 연관돼 있다는 보고가 있지만, 사용하지 않을 경우 사회적 연결 기회를 놓칠 수 있다는 지적도 있다. 연구팀은 2019~2022년 호주 초등학교 4학년~고등학교 12학년 학생 10만991명(평균 연령 13.5세)을 대상으로 평일 방과 후 소셜미디어 사용 시간을 측정하고, 행복·삶의