Acceptability and implementation feasibility of a mobile application powered by generative artificial intelligence for mental health screening and referral in Uganda

기술 요약: 우간다의 정신 건강을 위한 생성형 AI 모바일 애플리케이션의 수용성 및 구현 가능성

문제 정의

우간다는 약 1,400만 명의 사람들이 우울증과 불안 장애를 겪고 있는 심각한 정신 건강 위기에 직면해 있습니다. 이러한 부담은 극심한 전문가 부족(인구 100만 명당 전문의 약 1명), 제한된 예산(국가 보건 예산의 1%), 그리고 만연한 낙인 효과로 인해 더욱 악화되고 있습니다. 디지털 헬스케어 도구와 AI 기반 중재 기술이 전 세계적으로 유망한 성과를 보이고 있음에도 불구하고, 저소득 아프리카 환경에서의 수용성과 구현 가능성에 대한 근거는 부족한 실정입니다. 기존의 AI 정신 건강 도구들은 주로 고소득 국가의 영어 사용 인구를 대상으로 개발되었기 때문에, 문화적 적절성, 알고리즘 편향성, 그리고 현지 언어에서의 성능에 대한 우려가 제기됩니다. 또한, 불안정한 인터넷 연결, 높은 데이터 비용, 제한된 스마트폰 보급률과 같은 인프라 제약은 형평성 있는 접근을 위협합니다.

방법론

본 연구는 2026년 1월부터 5월까지 우간다 캄팔라에서 수행된 혼합 방법론 기반의 개념 증명(proof-of-concept) 설계를 채택하였습니다.

• 참가자: 일반 대중 25명과 의료 종사자(정신과 의사, 정신과 임상 전문의, 간호사, 일반 의사 포함) 25명으로 구성된 50명의 목적 표집 샘플을 모집하였습니다.
• 중재(Intervention): 본 연구는 정신 건강 스크리닝, 자기 관리 및 의뢰를 위해 설계된 생성형 AI 기반 모바일 애플리케이션을 평가하였습니다.
  • 기술적 아키텍처: 본 앱은 검증된 스크리닝 도구인 PHQ-4, PHQ-9(우울증) 및 GAD-7(불안 장애)과 통합된 대규모 언어 모델(LLM)을 활용합니다.
  • AI 메커니즘: 전통적인 규칙 기반 챗봇과 달리, 이 시스템은 문서 기반 지식 체계를 사용합니다. 시스템은 사전 입력된 프로토콜 정보(PHQ/GAD 가이드라인)를 검색하고 해석하여 역동적이고 맥락에 맞는 자연어 응답을 생성합니다. 본 시스템은 텍스트 생성을 위해 인터넷에 의존하는 대신 큐레이션된 파일 세트를 기반으로 응답을 구성하도록 설계되었으나, 데이터 전송 및 상호작용을 위해 여전히 인터넷 연결이 필요하며, 이는 주요 구현 장벽으로 명시되었습니다.
  • 안전 기능: 본 애플리케이션은 심각한 증상에 대한 자동 의뢰 로직을 포함하며, 자살 위험 징후가 발견될 경우 인근 의료 시설으로 자동 전화 연결 기능을 제공합니다. 본 도구는 진단이나 처방을 목적으로 하지 않습니다.
  • 보안: 데이터는 TLS 1.2+를 통해 보호되며, 휴지 상태의 데이터는 AES-256 암호화가 적용됩니다. 사용자 식별은 최소화되며, 모바일 번호를 고유 식별자로 사용하고 이름 등록은 선택 사항입니다.
• 데이터 수집: 연구는 사전-사후 구현 평가를 활용하였습니다.
  • 정량적 데이터: 사전 및 사후 설문 조사를 통해 인식, 수용성 및 사용 패턴을 측정하였습니다.
  • 정성적 데이터: 사용자 경험과 장벽을 탐색하기 위해 핵심 정보원 인터뷰(KII) 및 개방형 피드백을 실시하였습니다.
• 분석 프레임워크:
  • 수용성: 기술 수용 모델(TAM)을 사용하여 인지된 유용성(PU)과 인지된 사용 용이성(PEOU)에 초점을 맞추어 평가하였습니다.
  • 구현 가능성: 수요, 구현, 실용성, 통합, 확장이라는 다섯 가지 영역을 포함하는 Bowen의 구현 가능성 프레임워크를 사용하여 평가하였습니다.

주요 결과

연구 결과 높은 수용성과 구현 가능성을 입증하였으나, 상당한 인프라 장벽이 여전히 존재함을 확인하였습니다.

1. 수용성 (TAM 결과):

• 인지된 유용성: 구현 후, **95.6%**의 일반 대중 참가자가 정보가 자신의 필요에 적절하다고 답했으며, **90.9%**가 애플리케이션을 추천하겠다고 답했습니다. 의료 종사자들은 이 도구가 업무량을 줄이고 비전문의의 진단 정확도를 높이는 가치 있는 의사결정 지원 메커니즘이라고 보았습니다.
• 인지된 사용 용이성: **90.9%**가 기능을 사용하기 쉽다고 동의했으며, **77.3%**는 제3자의 도움 없이 앱을 사용할 수 있다고 답했습니다. 그러나 기술적 오류(반복되는 질문)와 언어 장벽(영어 전용 인터페이스)이 마찰 지점으로 지적되었습니다.

2. 구현 가능성 (Bowen 프레임워크 결과):

• 수요: 잠재적 수요가 상당했습니다. 기초 조사 참여자 **100%**가 앱 사용 의사를 밝혔습니다. 구현 후, 일반 대중의 **56.7%**가 한 달 이내에 스크리닝 또는 자기 관리를 위해 앱을 사용했습니다.
• 구현: 주요 장벽으로는 인터넷 의존성, 높은 모바일 데이터 비용, 다국어 기능 부재가 확인되었습니다. 사후 조사 참여자의 **40%**가 데이터 비용을 주요 장애물로 꼽았습니다.
• 실용성: 앱은 임상 및 지역사회 환경에서 실용적인 것으로 간주되었으며, 사용자 중 **45.45%**가 5~10분 내에 스크리닝 세션을 완료했습니다.
• 통합: 기초 조사 참여자의 **96%**가 앱이 의료 시설과 연계되기를 선호했습니다. 사후 조사에서 사용자 중 **36.4%**가 앱이 권고한 의뢰 절차를 따라 후속 조치를 취했습니다.
• 확장: 참여자의 **100%**가 타인에게 앱을 추천할 의사가 있었습니다. 그러나 기초 조사 참여자의 **76%**는 더 넓은 도달 범위를 위해 이중 언어 기능(영어 + 현지 언어)이 필수적이라고 지적했습니다.

주요 기여

• 맥락적 검증: 본 연구는 우간다 맥락에서 생성형 AI 기반 정신 건강 도구를 평가한 최초의 연구로서, 이러한 기술이 저자원 환경에서도 수용 가능하고 실행 가능하다는 근거를 제공합니다.
• 생성형 AI의 활용: 본 연구는 경직된 의사결정 트리 방식의 챗봇을 넘어, 자연어 대화의 유연성을 갖춘 구조화된 프로토콜 기반(PHQ/GAD) 정신 건강 스크리닝을 전달하는 데 있어 LLM의 효용성을 입증합니다.
• 업무 분담(Task-sharing) 지원: 본 연구 결과는 이 도구가 비전문의와 일반 대중이 초기 스크리닝 및 자기 관리를 수행할 수 있도록 지원함으로써, 부족한 전문 인력의 부담을 완화하는 데 효과적일 수 있음을 시사합니다.
• 구현 통찰: 본 연구는 사하라 이남 아프리카에서의 확산을 위한 구체적이고 실행 가능한 장벽, 즉 오프라인 기능, 데이터 비용 제로화(zero-rated), 현지 언어 최적화의 필요성을 식별하였습니다.

의의 및 주장

본 논문은 생성형 AI 기반 모바일 애플리케이션이 우간다의 정신 건강 스크리닝, 자기 관리 및 의뢰를 위한 실행 가능하고 매우 수용 가능한 솔루션이라고 주장합니다. 저자들은 본 애플리케이션이 다음과 같은 효과를 보일 것이라고 단언합니다:

• 낙인 감소: 익명성과 프라이버시를 제공함으로써, 대면 진료를 꺼리는 개인들의 자기 공개를 독려합니다.
• 접근성 개선: 이동 비용, 대기 시간, 전문의 부족과 같은 구조적 장벽을 해결합니다.
• 비전문의 케어 강화: 의료 종사자에게 구조화된 가이드를 제공하여 역량 강화 자원으로 활용되며, 인지적 부담을 줄여줍니다.

그러나 저자들은 확장 가능성에 대해서는 신중한 입장을 유지합니다. 그들은 본 개념 증명이 성공적이었음에도 불구하고, 성공적인 확산은 인터넷 연결성, 데이터 비용, 언어 접근성, 스마트폰 보유와 관련된 구조적 문제를 해결하는 것에 달려 있다고 결론짓습니다. 논문은 광범적인 전국적 도입에 앞서, 도구의 장기적인 효과성, 비용 효율성 및 일상적인 보건 체계와의 통합을 평가하기 위한 더 큰 규모의 연구가 필요함을 명시하고 있습니다.