KAIST "사물인터넷 데이터로 '정신건강' 읽는다"

사물인터넷(IoT) 데이터를 활용해 사용자의 정신건강 상태를 정밀하게 추적, 스마트폰과 웨어러블 기기로는 찾기 어려운 '생활 리듬의 변화'를 포착해 사용자의 정신건강 악화를 조기에 감지할 수 있다는 연구 결과가 나왔다. 이는 향후 개인 맞춤형 정신건강 관리 시스템을 개발하는 토대가 될 것으로 기대된다.

KAIST는 전산학부 이의진 교수 연구팀이 가정 내 IoT 센서 데이터로 개인의 정신건강 상태를 정밀하게 추적할 수 있는 가능성을 입증했다고 21일 밝혔다.

(사진) 왼쪽부터 전산학부 이찬희 박사과정, 전산학부 이의진 교수, 전산학부 이현수 교수, 전산학부 고영지 박사과정. KAIST 제공

최근 국내에서는 1인 가구가 800만 세대를 넘어섰다. 전체 가구 수의 36%로 역대 최고치다. 이면에 1인 가구의 '외로움(고립감)' 등에 따른 정신건강 악화는 사회문제로 부각된다. 실제 서울시는 최근 지역 전체 1인 가구 중 62%가 외로움 등의 정신건강 문제를 겪고 있다는 조사 결과를 내놨다.

정신건강 관리를 위해선 자신의 상태를 꾸준히 파악하는 것이 무엇보다 중요하다. 이에 연구팀은 가정 내 환경 데이터에 주목했다. 다만 기존 스마트폰과 웨어러블 기반의 추적 방식은 사용자가 기기를 착용하거나 소지하지 않는 집 안에서 데이터를 확보하기 어려운 한계를 보였다.

이 같은 한계를 해소하기 위해 연구팀은 별도의 조작 없이도 일상 활동을 지속해 측정할 수 있는 가정 내 IoT 센서를 활용했다. 질병 진단에 집중했던 기존 연구와 다르게 IoT 사용자가 집안에서 일상적으로 겪는 우울, 불안, 스트레스 등 감정적 웰빙을 스스로 추적하고 선제적으로 관리하는 새로운 접근법을 고안한 것이다.

청년층 1인 가구 20세대를 대상으로 4주간 실증연구도 진행했다. 실증은 가전제품, 수면 매트, 움직임 센서 등을 설치해 사용자의 생활 데이터를 수집하고 이를 참가자가 직접 보고한 정신건강 상태와 비교 분석하는 방식으로 이뤄졌다.

이 결과 스마트폰과 웨어러블 데이터만 사용했을 때보다 IoT 데이터를 추가했을 때 우울, 불안, 스트레스 위험을 예측하는 모델의 정확도가 통계적으로 유의미하게 향상됐다고 연구팀은 강조했다.

특히 실증과정에서 수면 시간 감소와 실내 온도 상승은 정신건강 악화와 뚜렷한 연관성을 보였다. 또 참가자들의 행동 패턴은 스트레스 상황에서 냉장고 사용이 늘어나는 '폭식형'과 활동이 급감하는 '무기력형'처럼 개인마다 큰 차이를 나타내는 동시에 생활 패턴이 불규칙할수록 정신건강이 악화되는 공통적인 경향을 보였다.

이는 특정 행동의 빈도보다 일상 패턴의 변동성이 보다 중요한 요인으로 작용한다는 것을 의미해 규칙적인 생활이 정신건강 유지에 핵심이 된다는 점을 시사한다.

실증을 마친 참여자들은 시각화한 된 소프트웨어로 자신의 생활 데이터를 확인했을 때, 사생활 침해에 대한 우려보다 데이터가 정신건강 이해에 실질적인 도움이 된다는 인식도 가졌다. 이를 통해 연구 수용성과 참여 만족도가 높다는 것을 확인할 수 있었다고 연구팀은 강조했다.

이 교수는 "이번 연구는 가정 내 IoT 데이터가 개인의 생활 맥락 안에서 정신건강을 이해하는 중요한 단서가 될 수 있다는 것을 보여준 사례"라며 "향후 인공지능(AI)을 활용해 개인별 생활패턴을 예측하고 맞춤형 코칭이 가능한 원격 의료 시스템을 개발하는 데도 기여할 수 있을 것으로 기대한다"고 말했다.

한편 이번 연구는 LG전자-KAIST 디지털 헬스케어 연구센터와 과학기술정보통신부의 재원으로 한국연구재단의 지원을 받아 수행됐다.

대전=정일웅 기자 jiw3061@asiae.co.kr