위기 상황에서 상담사들이 가장 먼저 해야 할 일은 위험도가 높은 사람을 식별하는 것입니다. MIT 연구진은 텍스트 속 언어를 분석해 이를 빠르게 평가하는 새로운 도구를 개발했습니다.
텍스트로 식별하는 자살 위험 예측 기술
위기 상황에서 상담사가 가장 우선순위로 두는 것은 자살 위험이 높은 사람을 찾아내는 일입니다. 하지만 수많은 위험 요인이 복잡하게 대화 속에 섞여 있어 이를 정확히 가려내기는 매우 어렵습니다.
최근 MIT 맥거번 뇌연구소(미국 매사추세츠주 소재 뇌과학 연구 기관) 연구진은 텍스트를 통해 위험도를 추정하는 기술을 공개했습니다. 이 도구는 대화 속 단어와 문구에서 위험 신호를 포착하는 데 초점을 맞춥니다.
위험 요인을 분석하는 정교한 알고리즘
연구팀은 49가지의 자살 위험 요인과 연결된 특수 단어 및 문구 목록을 직접 제작했습니다. 이를 통해 대화 속에 나타나는 위험 신호를 빠르게 평가할 수 있습니다.
연구 과정과 주요 특징은 다음과 같습니다.
- 연구팀은 '크라이시스 텍스트 라인(Crisis Text Line, 24시간 무료 심리 상담 서비스를 제공하는 글로벌 비영리 단체)'의 데이터를 활용했습니다.
- 약 16,000건의 상담 대화 데이터를 분석하여 위험 수준을 분류했습니다.
- 개발된 모델은 상담사와의 대화 텍스트를 통해 위험도를 정확하게 예측하는 성과를 보였습니다.
또한 이 기술은 어떤 위험 요인이 위기 상황에서 가장 중요한지 밝혀내는 데 도움을 줍니다.
언어 속에 숨겨진 위험 신호의 특징
연구팀은 인공지능을 활용해 위험 요인과 연결된 단어 목록을 만들고 전문가들이 이를 검토했습니다. 결과적으로 특정 단어와 문구가 위험도에 미치는 영향이 서로 다르게 나타났습니다.
분석 결과 나타난 주요 특징은 다음과 같습니다.
- 우울감이나 피로감보다 치명적인 수단이나 약물 사용에 대한 언급이 더 높은 위험도를 나타냈습니다.
- 자해나 적극적인 자살 의사 표현 역시 강력한 예측 지표로 확인되었습니다.
- 불안, PTSD(외상 후 스트레스 장애), 정서적 고통은 중간 단계의 예측 지표로 분류되었습니다.
이처럼 모델은 각 위험 요인에 가중치를 부여하여 위험도를 계산합니다. 예를 들어 '약물'이나 '도구' 같은 표현은 높은 가중치를, '절망'과 같은 표현은 상대적으로 낮은 가중치를 부여합니다.
인간과 기술의 협력을 통한 위험 관리
하지만 이 기술은 단순히 위험도를 수치로만 보여주지 않습니다. 어떤 단어 때문에 위험도가 높게 측정되었는지 알려주는 '해석 가능한' 모델이기 때문입니다.
이러한 방식은 다음과 같은 장점을 가집니다.
- 상담사가 판단 근거를 이해하고 즉각적인 조치를 취할 수 있습니다.
- 컴퓨터 자원을 적게 사용하여 개인용 컴퓨터에서도 실행이 가능합니다.
- 데이터 프라이버시를 유지하면서도 효율적인 위험 관리가 가능합니다 접합니다.
결국 이 기술은 전문가의 판단을 돕는 보조 도구로서 역할을 합니다. 연구팀은 이 기술이 임상 현장과 위기 지원 상황에서 위험 평가를 돕는 데 기여할 것으로 기대하고 있습니다.
원문 출처: MIT News | AI 기자 하은이 번역·재작성한 콘텐츠입니다
댓글
댓글 없음:
댓글 쓰기