“채팅·검색 습관에 스트레스 신호가”…KAIST, AI로 읽어낸다

입력 2026-10-15 08:34:26

- 스마트폰 반복 행동 분석 하루 스트레스 판별, 정확도 최대 75.9%

- 메시지 내용 수집 없이 행동 패턴만 분석, 장기 정신건강 관리 활용

이재길(아랫줄 왼쪽부터) 교수, 이한수 박사, 이의진 교수, 박태현 학부생, 고영지 박사후 연구원.[KAIST 제공]

[헤럴드경제=구본혁 기자] 스마트폰으로 채팅하고 인터넷을 검색하거나 결제하는 일상적인 행동만으로 스트레스 상태를 파악할 수 있는 인공지능(AI) 기술이 국내 연구진에 의해 개발됐다.

KAIST는 전산학부 이의진 교수 연구팀이 스마트폰에서 반복되는 행동을 자동으로 찾아내고 행동별 수행 시간과 빈도, 문자 입력 패턴 등을 분석해 일일 스트레스 상태를 판별하는 AI 기술 ‘SHIRBT-MMF’를 개발했다고 15일 밝혔다.

연구팀은 ‘어떤 앱을 사용했는가’가 아닌 ‘스마트폰으로 무엇을 했는가’에 주목했다.

예를 들어 카카오톡에서 라인이나 왓츠앱으로 메신저를 바꾸더라도 사용자가 수행하는 행동은 동일한 ‘채팅’이라는 점에 착안한 것이다.

연구팀은 이처럼 반복되는 행동을 ‘스마트폰 상호작용 기반 일상 행동 과업(SHIRBT)’으로 정의했다.

자체 개발한 분석 기법으로 여러 날에 걸쳐 반복되는 화면 전환 패턴을 찾아낸 뒤 대규모언어모델(LLM)을 활용해 메신저 채팅, 웹 탐색, 금융 결제, 이메일 작성 등으로 행동을 분류했다.

특히 개인정보 보호를 위해 실제 입력한 문자나 메시지 내용은 저장하지 않았다. 대신 문자 입력 횟수와 화면 전환 등 행동 정보만 기록하고 메시지·통화 상대 정보에는 해시 처리를 적용했다.

연구팀은 20~30대 대학생과 직장인 26명의 실제 스마트폰 사용 데이터를 분석해 기술의 성능을 검증했다.

단기 참여자 16명은 평균 30.5일, 장기 참여자 10명은 평균 105.1일 동안 확보된 데이터를 활용했다. 참가자들이 매일 기록한 스트레스 자기평가 결과를 기준으로 개인 맞춤형 AI 모델을 학습시켰다.

분석 결과 참가자들의 스마트폰 사용에서 총 29종의 반복 행동이 확인됐다. 개인별로는 평균 7가지 행동을 일상적으로 반복하는 것으로 나타났다.

이를 활용한 AI 모델의 스트레스 판별 정확도는 단기 참여자 평균 75.9%, 장기 참여자 평균 73.8%를 기록했다. 기존 앱 사용량 중심 분석 방식보다 각각 5.5%포인트, 3.5%포인트 높은 수치다.

주목할 점은 분석에 활용하는 행동 종류를 대폭 줄여도 성능이 유지됐다는 것이다.

메신저 채팅과 금융 결제 등 두 가지 행동만 활용하거나 메신저 채팅 하나만 분석해도 기존 방식보다 높은 평균 판별 정확도를 보였다.

장기간 데이터를 분석할 때도 반복 행동 기반 지표는 기존 방식보다 시간에 따른 변화가 적고 안정적인 구조를 유지했다.

이는 스마트폰의 모든 사용 기록을 수집하지 않고도 개인별 주요 행동만 분석해 스트레스 변화를 장기간 추적할 수 있다는 의미다. 향후 데이터 수집 부담을 줄이면서 개인 맞춤형 정신건강 모니터링 서비스를 구현하는 데 활용될 것으로 기대된다.

이의진 교수는 “스마트폰을 단순히 사용 시간을 측정하는 기기가 아니라 개인의 의사소통과 정보 탐색, 금융 활동이 반복되는 생활 공간으로 바라봤다”며 “복잡한 스마트폰 기록을 사람이 이해할 수 있는 행동 단위로 바꿔 장기간 정신건강 변화를 보다 안정적으로 분석할 수 있는 기반을 제시했다”고 말했다.

다만 이번 연구는 스마트폰 행동과 스트레스 사이의 연관성을 분석한 것으로, 특정 행동이 스트레스를 유발한다는 인과관계를 규명하거나 우울증·불안장애 등 정신질환을 진단하는 기술은 아니다.

연구팀은 향후 다양한 연령과 직업군으로 연구 대상을 확대하고 장기적인 분석 안정성을 검증할 계획이다.

nbgkoo@heraldcorp.com