제03장: 우울증 탐지 - WIA-MENTAL-003

개요

이 장에서는 우울증 탐지를 위한 AI 및 디지털 건강 기술의 중요한 측면을 다룹니다. 우울증은 전 세계적으로 2억 8천만 명 이상에게 영향을 미치는 주요 정신 건강 과제이며, 많은 경우 진단되지 않거나 치료받지 못합니다. 인공지능과 디지털 도구는 이 글로벌 건강 위기를 해결할 수 있는 변혁적 기회를 제공합니다.

핵심 개념

우울증 탐지 기술은 다음과 같은 여러 핵심 영역을 포함합니다:

기술 구현

성공적인 우울증 탐지 시스템은 다음을 통합합니다:

• 데이터 수집: 센서 데이터, 설문 조사, 임상 기록의 다중 소스 통합
• 특징 추출: 원시 데이터에서 관련 우울증 지표 식별
• 모델 추론: 머신러닝 알고리즘을 사용한 위험 점수 예측
• 임상 통합: 의사 결정 지원 및 워크플로우 통합
• 모니터링: 시스템 성능 및 임상 결과의 지속적인 평가

디지털 바이오마커 수집

WIA-MENTAL-003 표준은 다양한 디지털 바이오마커의 체계적 수집을 정의합니다. 이러한 바이오마커는 수동적으로 수집되어 사용자의 일상생활에 최소한의 방해를 주면서도 우울증 상태에 대한 풍부한 정보를 제공합니다:

// WIA-MENTAL-003 디지털 바이오마커 수집 API
POST /api/v1/biomarkers/collect
Authorization: Bearer {token}
Content-Type: application/json

{
  "patient_id": "p-67890",
  "collection_period": {
    "start": "2025-12-21T00:00:00Z",
    "end": "2025-12-28T23:59:59Z"
  },
  "biomarkers": {
    "activity": {
      "daily_steps": [3200, 2800, 3500, 4100, 2900, 3100, 2700],
      "sedentary_minutes": [720, 780, 690, 650, 750, 710, 800],
      "active_minutes": [45, 38, 52, 68, 42, 47, 35]
    },
    "sleep": {
      "sleep_duration_hours": [5.2, 4.8, 5.5, 6.1, 5.0, 5.3, 4.5],
      "sleep_efficiency": [0.72, 0.68, 0.75, 0.81, 0.70, 0.73, 0.65],
      "wake_after_sleep_onset_min": [45, 58, 42, 30, 48, 44, 62]
    },
    "social": {
      "call_frequency": [2, 1, 3, 4, 2, 1, 0],
      "call_duration_minutes": [18, 12, 25, 32, 15, 8, 0],
      "messaging_activity": [15, 12, 18, 22, 14, 10, 7]
    },
    "location": {
      "location_entropy": [1.3, 1.2, 1.5, 1.8, 1.4, 1.2, 0.9],
      "time_at_home_hours": [20, 21, 19, 17, 20, 21, 22]
    },
    "phone_usage": {
      "screen_time_hours": [6.5, 7.2, 5.8, 5.2, 6.8, 7.5, 8.1],
      "app_switches": [145, 168, 132, 118, 152, 172, 189]
    }
  },
  "self_reported": {
    "mood_ratings": [3, 3, 4, 5, 3, 2, 2],
    "energy_levels": [3, 2, 4, 5, 3, 3, 2],
    "notes": ["Feeling low", null, "Better today", "Good day", null, "Tired", "Very down"]
  }
}

// 응답
{
  "status": "success",
  "biomarker_summary": {
    "activity_trend": "declining",
    "sleep_quality": "poor",
    "social_engagement": "decreasing",
    "location_variety": "reduced",
    "overall_pattern": "concerning"
  },
  "flags": [
    {
      "type": "sleep_quality",
      "severity": "moderate",
      "message": "Consistently poor sleep efficiency detected"
    },
    {
      "type": "social_isolation",
      "severity": "high",
      "message": "Significant reduction in social interactions"
    }
  ],
  "next_assessment_recommended": "2025-12-29"
}

특징 추출 및 엔지니어링

원시 센서 데이터는 머신러닝 모델에 입력하기 전에 의미 있는 특징으로 변환되어야 합니다. 특징 엔지니어링은 모델 성능에 중요한 영향을 미칩니다:

// 특징 추출 예시 (Python)
import numpy as np
from scipy.stats import entropy
from scipy.fft import fft

def extract_activity_features(daily_steps, window_days=7):
    """활동 데이터로부터 특징 추출"""
    features = {}

    # 기본 통계
    features['mean_steps'] = np.mean(daily_steps)
    features['std_steps'] = np.std(daily_steps)
    features['min_steps'] = np.min(daily_steps)
    features['max_steps'] = np.max(daily_steps)

    # 변화율 (최근 vs 이전)
    recent = daily_steps[-3:]
    previous = daily_steps[-6:-3]
    features['change_rate'] = (np.mean(recent) - np.mean(previous)) / np.mean(previous)

    # 변동성
    features['coefficient_variation'] = features['std_steps'] / features['mean_steps']

    # 트렌드 (선형 회귀 기울기)
    x = np.arange(len(daily_steps))
    features['trend'] = np.polyfit(x, daily_steps, 1)[0]

    return features

def extract_sleep_features(sleep_data):
    """수면 데이터로부터 특징 추출"""
    features = {}

    duration = sleep_data['sleep_duration_hours']
    efficiency = sleep_data['sleep_efficiency']

    # 수면 통계
    features['avg_sleep_duration'] = np.mean(duration)
    features['sleep_variability'] = np.std(duration)
    features['avg_efficiency'] = np.mean(efficiency)

    # 불면증 지표
    features['short_sleep_nights'] = np.sum(np.array(duration) < 5) / len(duration)
    features['poor_efficiency_nights'] = np.sum(np.array(efficiency) < 0.75) / len(efficiency)

    # 일주기 리듬 불규칙성
    sleep_times = sleep_data['sleep_onset_times']  # 24시간 형식
    features['circadian_irregularity'] = np.std(sleep_times)

    return features

def extract_social_features(social_data):
    """사회적 상호작용 데이터로부터 특징 추출"""
    features = {}

    calls = social_data['call_frequency']
    messages = social_data['messaging_activity']

    # 사회적 참여 수준
    features['total_social_interactions'] = np.sum(calls) + np.sum(messages)
    features['avg_daily_calls'] = np.mean(calls)
    features['avg_daily_messages'] = np.mean(messages)

    # 고립 지표
    features['zero_interaction_days'] = np.sum((np.array(calls) + np.array(messages)) == 0)

    # 트렌드
    features['social_trend'] = np.polyfit(np.arange(len(calls)), calls, 1)[0]

    return features

def extract_location_features(location_data):
    """위치 데이터로부터 특징 추출"""
    features = {}

    # 위치 엔트로피 (방문 장소 다양성)
    location_counts = location_data['location_counts']  # 각 장소 방문 횟수
    features['location_entropy'] = entropy(location_counts)

    # 집에서 보낸 시간
    time_at_home = location_data['time_at_home_hours']
    features['avg_time_at_home'] = np.mean(time_at_home)
    features['home_bound_days'] = np.sum(np.array(time_at_home) > 20) / len(time_at_home)

    # 이동 범위
    features['avg_distance_from_home'] = np.mean(location_data['distances_from_home'])

    return features

# 모든 특징 결합
def extract_all_features(biomarker_data):
    """모든 바이오마커로부터 특징 추출"""
    all_features = {}

    all_features.update(extract_activity_features(biomarker_data['activity']['daily_steps']))
    all_features.update(extract_sleep_features(biomarker_data['sleep']))
    all_features.update(extract_social_features(biomarker_data['social']))
    all_features.update(extract_location_features(biomarker_data['location']))

    return all_features

임상 증거

연구는 AI 기반 우울증 탐지의 효과를 입증합니다:

• 1차 진료 환경에서 검사율이 12%에서 68%로 증가
• 진단까지의 시간이 8개월에서 2개월로 감소
• 6개월 관해율이 31%에서 39%로 개선 (p=0.003)
• 정신 건강 위기로 인한 응급실 방문 18% 감소
• 조기 발견을 위한 78% 민감도, 2-3주 조기 경고 창

윤리적 고려 사항

책임 있는 AI 배포는 다음을 요구합니다:

• 사전 동의: 데이터 수집 및 사용에 대한 명확하고 이해 가능한 정보
• 개인정보 보호: 암호화, 접근 제어 및 규정 준수를 통한 데이터 보호
• 공정성: 모든 인구 통계학적 그룹에서 공평한 성능 보장
• 투명성: 알고리즘 결정에 대한 설명 가능성
• 임상 감독: AI는 임상 판단을 대체하는 것이 아니라 보완

실제 응용

우울증 탐지 시스템은 다양한 환경에서 배포됩니다:

• 1차 진료: 루틴 검사 및 조기 발견을 위한 통합
• 정신 건강 클리닉: 전문 평가 및 치료 모니터링
• 대학 건강 서비스: 학생 인구에 대한 예방적 검사
• 원격 의료 플랫폼: 원격 모니터링 및 가상 치료 지원
• 직장 웰니스: 직원 정신 건강 지원 프로그램
• 지역 사회 건강: 소외된 인구에 대한 접근 가능한 검사

한국 정신건강 검사 프로그램

한국 정부와 의료기관은 국민 정신건강 증진을 위해 다양한 검사 프로그램을 운영하고 있으며, WIA-MENTAL-003 표준은 이러한 프로그램과의 통합을 지원합니다:

한국 우울증 선별 도구 표준화

한국에서 표준화되고 검증된 우울증 선별 도구들:

// PHQ-9 한국어판 자동 채점 시스템
class PHQ9Korean {
  constructor() {
    this.questions = [
      '일 또는 여가 활동을 하는 데 흥미나 즐거움을 느끼지 못함',
      '기분이 가라앉거나, 우울하거나, 희망이 없음',
      '잠이 들거나 계속 잠을 자는 것이 어려움, 또는 잠을 너무 많이 잠',
      '피곤하다고 느끼거나 기운이 거의 없음',
      '식욕이 줄었거나 과식을 함',
      '자신을 부정적으로 봄 - 혹은 자신이 실패자라고 느끼거나 자신 또는 가족을 실망시킴',
      '신문을 읽거나 TV를 보는 것과 같은 일에 집중하기 어려움',
      '다른 사람들이 주목할 정도로 너무 느리게 움직이거나 말을 함, 또는 반대로 평상시보다 많이 움직여서 너무 안절부절 못하거나 들떠 있음',
      '자신이 죽는 것이 더 낫다거나 자신을 해칠 것이라는 생각을 함'
    ];

    this.severityLevels = {
      minimal: { min: 0, max: 4, label: '최소' },
      mild: { min: 5, max: 9, label: '경증' },
      moderate: { min: 10, max: 14, label: '중등도' },
      moderatelySevere: { min: 15, max: 19, label: '중고도' },
      severe: { min: 20, max: 27, label: '고도' }
    };
  }

  calculateScore(responses) {
    // 응답: 0=전혀, 1=며칠, 2=7일 이상, 3=거의 매일
    const totalScore = responses.reduce((sum, score) => sum + score, 0);
    return totalScore;
  }

  getSeverity(score) {
    for (const [level, range] of Object.entries(this.severityLevels)) {
      if (score >= range.min && score <= range.max) {
        return {
          level,
          label: range.label,
          score
        };
      }
    }
  }

  getRecommendation(severity) {
    const recommendations = {
      minimal: '정상 범위입니다. 건강한 생활습관을 유지하세요.',
      mild: '경증 우울 증상이 있습니다. 운동, 수면, 사회활동 등 자가관리를 강화하세요.',
      moderate: '중등도 우울증이 의심됩니다. 정신건강 전문가 상담을 권장합니다.',
      moderatelySevere: '중고도 우울증이 의심됩니다. 정신건강의학과 진료가 필요합니다.',
      severe: '고도 우울증이 의심됩니다. 즉시 정신건강의학과 진료를 받으시기 바랍니다.'
    };

    return recommendations[severity.level];
  }

  getFunctionalImpairment(impairmentScore) {
    // 추가 문항: 위의 문제들이 업무, 가사, 타인과의 관계에 어려움을 초래한 정도
    // 0=전혀 어렵지 않다, 1=다소 어렵다, 2=매우 어렵다, 3=극도로 어렵다
    return {
      score: impairmentScore,
      level: impairmentScore === 0 ? '없음' :
             impairmentScore === 1 ? '경도' :
             impairmentScore === 2 ? '중도' : '중증'
    };
  }

  assessPatient(responses, impairmentScore) {
    const score = this.calculateScore(responses);
    const severity = this.getSeverity(score);
    const recommendation = this.getRecommendation(severity);
    const impairment = this.getFunctionalImpairment(impairmentScore);

    return {
      phq9Score: score,
      severity: severity.label,
      functionalImpairment: impairment.level,
      recommendation,
      suicidalIdeation: responses[8] > 0,
      needsUrgentCare: responses[8] >= 2 || score >= 20
    };
  }
}

// 사용 예시
const phq9 = new PHQ9Korean();
const patientResponses = [2, 2, 1, 2, 1, 2, 1, 0, 1]; // 총 12점
const impairment = 2;

const assessment = phq9.assessPatient(patientResponses, impairment);
console.log('PHQ-9 점수:', assessment.phq9Score);
console.log('심각도:', assessment.severity);
console.log('기능 손상:', assessment.functionalImpairment);
console.log('권장사항:', assessment.recommendation);

if (assessment.suicidalIdeation) {
  console.log('⚠️ 자살 사고가 있습니다. 즉각적인 평가가 필요합니다.');
}

한국 데이터 보안 및 개인정보보호

한국의 엄격한 개인정보보호법과 의료법 규정 준수:

// 한국 개인정보보호법 준수 데이터 암호화
import crypto from 'crypto';

class KoreanPrivacyCompliantStorage {
  constructor(encryptionKey) {
    this.algorithm = 'aes-256-gcm';
    this.key = Buffer.from(encryptionKey, 'hex');
  }

  // 민감정보(우울증 데이터) 암호화
  encryptSensitiveData(data) {
    const iv = crypto.randomBytes(16);
    const cipher = crypto.createCipheriv(this.algorithm, this.key, iv);

    let encrypted = cipher.update(JSON.stringify(data), 'utf8', 'hex');
    encrypted += cipher.final('hex');

    const authTag = cipher.getAuthTag();

    return {
      encrypted,
      iv: iv.toString('hex'),
      authTag: authTag.toString('hex'),
      timestamp: new Date().toISOString()
    };
  }

  // 복호화
  decryptSensitiveData(encryptedData) {
    const decipher = crypto.createDecipheriv(
      this.algorithm,
      this.key,
      Buffer.from(encryptedData.iv, 'hex')
    );

    decipher.setAuthTag(Buffer.from(encryptedData.authTag, 'hex'));

    let decrypted = decipher.update(encryptedData.encrypted, 'hex', 'utf8');
    decrypted += decipher.final('utf8');

    return JSON.parse(decrypted);
  }

  // 개인 식별 정보 가명처리 (개인정보보호법 제28조의2)
  pseudonymize(patientId) {
    const hash = crypto.createHash('sha256');
    hash.update(patientId + this.key.toString('hex'));
    return hash.digest('hex').substring(0, 16);
  }

  // 동의 기록 생성 (개인정보보호법 제22조)
  createConsentRecord(userId, consentType) {
    return {
      userId: this.pseudonymize(userId),
      consentType,
      consentDate: new Date().toISOString(),
      consentVersion: '1.0',
      dataTypes: [
        '정신건강 상태',
        '우울증 검사 결과',
        '디지털 바이오마커'
      ],
      purpose: 'AI 기반 우울증 탐지 및 조기 개입',
      retentionPeriod: '3년',
      thirdPartySharing: false,
      withdrawalRights: '언제든지 철회 가능'
    };
  }

  // 접근 로그 기록 (의료법 제21조, 개인정보보호법 제30조)
  logAccess(userId, accessedBy, purpose) {
    return {
      timestamp: new Date().toISOString(),
      userId: this.pseudonymize(userId),
      accessedBy,
      purpose,
      ipAddress: '암호화됨',
      action: 'READ_SENSITIVE_DATA'
    };
  }
}

// 사용 예시
const encryptionKey = crypto.randomBytes(32).toString('hex');
const storage = new KoreanPrivacyCompliantStorage(encryptionKey);

// 민감정보 암호화 저장
const patientData = {
  phq9Score: 15,
  suicidalIdeation: false,
  functionalImpairment: 'moderate'
};

const encrypted = storage.encryptSensitiveData(patientData);
console.log('암호화된 데이터:', encrypted);

// 동의 기록
const consent = storage.createConsentRecord('patient-12345', 'explicit');
console.log('동의 기록:', consent);

// 접근 로그
const log = storage.logAccess('patient-12345', 'Dr. Kim', 'Clinical review');
console.log('접근 로그:', log);

미래 방향

한국에서의 우울증 탐지 기술 미래는 다음을 포함합니다:

• 국민건강보험 통합: 건강보험공단 데이터와 연계하여 전 국민 정신건강 모니터링
• 5G/AI 융합: 실시간 모바일 우울증 모니터링 및 즉시 개입
• K-디지털 치료제: 식약처 승인 한국형 디지털 치료제 개발 (마인드카페, 토닥토닥 등)
• 문화 적응 AI: 화병, 체면 문화 등 한국 특수성 반영한 AI 모델 고도화
• 글로벌 표준화: K-정신건강 기술의 아시아 및 글로벌 확산