위기 상담 문자에서 자살 위험 신호를 찾는 새 단어 도구

연구진이 만든 것은 긴 대화의 의미를 불투명하게 계산하는 방식 대신, 자살 위험과 관련된 단어와 표현을 찾아보는 ‘사전’입니다. 사전은 자살 사고와 행동에 알려진 위험 요인 49가지와 연결된 표현으로 구성됐습니다. 연구진은 GPT-4 Turbo를 이용해 이 표현 목록을 자동으로 만들었고, 이를 ‘자살 위험 사전’으로 공개했습니다.

연구의 목적은 위기 상황에서 어떤 언어 신호가 특히 중요한지 더 분명히 살피는 것이었습니다. 위기 문자상담은 도움이 필요한 사람이 문자로 상담자와 대화하는 환경입니다. 연구진은 Crisis Text Line이 제공한 비식별 처리 대화 약 1만6,000건을 분석했습니다. 이 대화들은 비자살적 상태, 임박하지 않은 자살 사고, 임박한 위험의 세 범주로 분류됐습니다. 기사에 따르면 임박한 위험은 자살 계획이 있거나 48시간 안에 죽을 의도가 있는 경우를 뜻했습니다.

연구진은 이 사전이 위기 상담 대화의 위험 수준을 정확하게 예측했다고 보고했습니다. 초록은 임상의 평가로 사전을 검증했다고 밝힙니다. 또한 이 방법은 정신건강 표현을 잘 포착하지 못하는 것으로 설명된 기존 단어 목록 도구보다 조금 더 좋은 성능을 보였고, 일부 복잡한 딥러닝 모델과는 비슷한 성능을 보였다고 합니다.

가장 눈에 띄는 결과는 어떤 신호가 임박한 위험과 더 강하게 관련됐는지에 관한 것입니다. 적극적인 자살 사고와 직접적 자해는 수동적인 자살 사고나 우울한 기분보다 더 강한 지표였습니다. 여기서 적극적인 자살 사고는 단순히 죽고 싶다는 생각을 넘어, 자살과 관련한 보다 직접적인 생각이나 의도를 가리키는 표현입니다. 하지만 이 결과는 위기 문자상담 대화라는 특정 환경에서 관찰된 연관성입니다.

이런 도구의 장점은 비교적 가볍고 해석하기 쉽다는 점입니다. 어떤 표현이 위험 평가에 영향을 주었는지 확인하기가, 작동 원리를 알기 어려운 일부 인공지능 모델보다 수월할 수 있습니다. 연구진은 개인정보 보호, 비용, 컴퓨팅 자원 문제 때문에 복잡한 대형 언어 모델을 쓰기 어려운 연구자들에게도 이런 사전 방식이 도움이 될 수 있다고 설명했습니다.

다만 이 연구가 보여주는 범위는 분명히 구분할 필요가 있습니다. 제공된 자료에는 민감도, 특이도, 오경보 비율처럼 성능을 자세히 판단할 수 있는 수치가 제시되지 않았습니다. 또 이 도구가 실제 자살 시도나 사망을 예측했다는 근거도 제공되지 않았습니다. 연구에서 다룬 것은 위기 상담 대화에서의 위험 범주였습니다.

결과가 다른 환경에도 그대로 적용될지는 아직 알 수 없습니다. 문자상담 이용자 외의 사람들, 다른 나라나 언어권, 대면 진료나 소셜미디어 같은 환경에서도 같은 방식이 잘 작동하는지 추가 연구가 필요합니다. 실제 현장에서 사용하려면 독립적인 자료에서의 검증과 안전성 평가도 중요합니다.

따라서 이번 연구는 위기 대화에서 중요한 언어 신호를 더 체계적으로 찾아낼 가능성을 보여주는 연구로 볼 수 있습니다. 그러나 자살 위험 평가는 복잡하며, 단어 도구 하나만으로 개인의 위험을 확정할 수는 없습니다.