고대구로병원 정신건강의학과 정현강 교수팀이 정신과 병동에서 발생하는 자해 행동에 대한 인공지능(AI) 모델 가능성과 한계를 검증한 연구결과를 내놨다.

정신건강의학과 폐쇄병동에서는 자해 행동을 조기에 발견하는 게 환자안전에 결정적인 역할을 하지만 의료진 상시 관찰에는 인력 부담과 사각지대라는 구조적 한계가 있었다.

이에 연구팀은 영상 기반 AI 행동 인식 기술이 실제 임상 환경에서 자해 행동을 얼마나 정확하게 감지할 수 있는지, 그리고 연구실 환경에서 학습된 AI모델 성능을 검증했다.

연구팀은 정신건강의학과 병동 환경을 유사하게 구현한 스튜디오에서 자해 행동을 모사한 영상 1120건을 제작하고, 폐쇄병동에서 수집한 실제 영상 118건을 검증 데이터로 활용했다.

모든 실제 영상은 비식별화 처리 후 분석됐으며, 의료기록과의 교차 검증을 통해 임상적 신뢰도를 확보했다. 

이후 연구팀은 최신 딥러닝 기반 행동 인식 AI모델 6종을 동일한 조건에서 학습·평가하며 자해 행동 모니터링 성능을 비교했다.

그 결과, 행동 인식 AI 모델들이 스튜디오 환경에서는 비교적 높은 성능을 보였지만, 실제 임상 영상에 적용될 경우 성능이 유의미하게 저하되는 것으로 나타났다. 

최신 트랜스포머 기반 AI모델조차도 실제 환경에서는 자해 행동 다양성 및 가림 현상, 비정형적 움직임의 차이를 충분히 일반화해 인식하지 못했다.

특히 긁기, 피부 뜯기 등 미세하고 반복적인 자해 행동은 기존 AI 모델이 감지하기 가장 어려운 유형으로 확인됐다.

정현강 교수는 “이번 연구의 가장 큰 의의는 AI 기반 자해 감지 기술의 ‘가능성’과 ‘한계’를 동시에 정량적으로 입증했다는 점”이라고 말했다.

이어 “연출 데이터와 실제 병동 데이터를 체계적으로 비교함으로써, 현재 기술 수준에서 AI모델 임상 적용을 위해 무엇이 보완돼야 하는지를 명확히 제시할 수 있었다”고 덧붙였다.

한편, 이번 연구결과는 세계적 학술지 사이언티픽 리포트(Scientific Reports) 최신호에 게재됐다.