Knowledge Mapping and Frontier Analysis of Artificial Intelligence Applications in Mental Health Interventions: A CiteSpace‑Based Bibliometric Analysis

수십 년 동안 세계는 정신 건강 관리 분야에서 조용한 위기에 직면해 왔습니다. 불안, 우울증 및 기타 질환으로 고통받는 사람들은 훨씬 더 많은 데 비해, 이들을 도울 수 있는 숙련된 치료사는 턱없이 부족합니다. 이러한 부족 현상은 전 세계적이며, 대기 명단은 매우 깁니다. 최근 몇 년 사이, 이 간극을 메우기 위해 새로운 종류의 기술이 등장했습니다. 바로 거대 언어 모델(LLM)입니다. 이들은 방대한 양의 텍тения 데이터를 학습하여 놀라울 정도로 유창하게 인간의 언어를 이해하고 생성할 수 있는 컴퓨터 시스템입니다. 이들은 대화를 나누고, 정서적 지지를 제공하며, 심지어 치료사의 기법을 시뮬레이션할 수도 있습니다. 이 도구들의 약속은 현재 아무런 도움을 받지 못하는 수백만 명에게 즉각적이고 접근 가능한 케어를 제공하는 가교 역할을 할 수 있다는 것입니다. 하지만 이러한 디지털 조력자들이 늘어나면서, 중요한 질문이 남습니다. 과연 이들이 실제로 효과가 있는지, 그리고 우리는 어떤 것들이 안전한지 어떻게 알 수 있을까요?

이를 답하기 위해 중국과 미국의 연구진은 이 주제에 관한 과학 문헌 전체를 한 걸음 물러나 살펴보Dec기로 했습니다. 단일 챗봇을 테스트하거나 새로운 실험을 수행하는 대신, 그들은 학술 연구의 방대한 집합체인 Web of Science 데이터베이스에서 1,685개의 발표된 연구들을 수집하고 분석했습니다. 그들은 이 분야가 어떻게 성장하고 있는지, 누가 이 작업을 수행하고 있는지, 그리고 어떤 질문들이 던져지고 있는지를 지도화하기 위해 CiteSpace라는 전문 소프트웨어 도구를 사용했습니다. 그 결과는 이 분야가 폭발적으로 성장하고 있지만, 여전히 현실 세계에서 발을 붙이기 위해 노력 중이라는 명확한 그림을 보여줍니다.

이 연구 분야의 이야기는 급격한 가속의 역사입니다. 1982년부터 2020년대 초반까지 거의 40년 동안, 매년 발표되는 연구의 수는 매우 적었으며 종종 1개에서 12개 사이를 맴돌았습니다. 연구자들은 아이디어를 탐구하고 있었지만, 진전은 느리고 흩어져 있었습니다. 그러다 2023년, 모든 것이 변했습니다. 그해 발표 논문 수는 22개에서 65개로 급증했습니다. 성장은 거기서 멈추지 않았습니다. 2024년에는 183편으로 급증했고, 2025년에는 600편에 육박했으며, 2026년 중반까지 644편에 도달했습니다. 이 극적인 급증은 이야기를 쓰고 복잡한 질문에 답할 수 있는 챗봇과 같은 고급 생성형 인공지능 도구들의 공개와 완벽하게 일치합니다. 데이터는 이러한 강력한 신기술의 등장이 학술적 관심의 열풍을 일으켰으며, 지난 4년간의 총 연구량이 이 분야에서 이루어진 전체 작업의 93%를 차지하도록 몰아붙였다는 것을 시사합니다.

연구진이 이 폭발적인 성장을 누가 주도하고 있는지 살펴보았을 때, 그들은 뚜렷한 글로벌 노력의 패턴을 발견했습니다. 중국은 534편의 논문으로 가장 많은 논문을 생산했으며, 미국이 438편으로 그 뒤를 바짝 쫓았습니다. 영국, 일본, 한국과 같은 다른 국가들도 유의미하게 기여했습니다. 그러나 협력의 지도는 생산의 지도와는 다른 이야기를 들려줍니다. 중국은 가장 많은 논문을 생산했지만, 그 연구자들은 미국 측 연구자들에 비해 글로벌 네트워크에 깊게 연결되어 있지 않았습니다. 미국은 여러 국가의 연구자들을 하나로 묶는 허브 역할을 하며 협력의 중심에 자리 잡고 있습니다. 반면, 중국의 연구는 생산량은 많지만 이 네트워크 내에서는 다소 고립되어 있습니다. 이는 많은 국가가 연구를 생산하고 있지만, 현재 이 특정 분야에서 아이디어를 연결하고 국제적 협력을 촉진하는 주요 엔진은 미국임을 시사합니다.

이 흐름을 주도하는 기관들은 대부분 미국과 유럽의 주요 대학들입니다. 하버드 대학교, 캘리포니아 대학교 시스템, 런던 대학교 등이 최고의 연구 생산지 중 하나입니다. 이 그룹들은 단순히 더 나은 챗봇을 만드는 것에 그치지 않고, 이를 엄격하게 테스트하고 있습니다. 그들은 이 인공지능 도구들이 우울증이나 강박 장애와 같은 질환을 정확하게 진단할 수 있는지 조사하고 있습니다. 또한 컴퓨터 프로그램과 대화하는 것이 전통적인 케어와 비교했을 때 실제로 환자의 증상을 개선할 수 있는지 확인하기 위해 임상 시험을 진행하고 있습니다. 그들은 또한 사용자가 자살 충동을 표현할 때 이 시스템이 어떻게 실패할 수 있는지, 혹은 민감한 문화적 차이를 어떻게 다룰 것인지 연구하며 안전성에 대해 깊이 우려하고 있습니다.

성장의 수치에도 불구하고, 연구진은 이 분야가 여전히 성숙의 초기 단계에 있다고 발견했습니다. 문헌에서 가장 흔한 주제들은 기술 자체에 집중되어 있습니다. 즉, 모델이 인간의 감정을 더 잘 이해하도록 만드는 방법, 인지 행동 치료와 같은 특정 치료법에 대해 모델을 훈련시키는 방법, 그리고 모델이 사실을 지어내거나 위험한 조언을 하지 않도록 보장하는 방법 등입니다. '계산 모델링(computational modeling)'에 대한 강한 강조가 있는데, 이는 수학을 사용하여 인간의 뇌가 어떻게 결정을 내리는지, 그리고 이러한 디지털 도구가 어떻게 그 과정을 모방할 수 있는지를 이해하는 것을 의미합니다. 연구자들은 또한 단순한 테스트를 넘어 이 도구들이 실제 클리닉과 지역 사회 센터에서 사용될 수 있는지 확인하기 위해, 이 도구들이 실제로 작동하는지를 측정하는 더 나은 방법을 만들기 위해 열심히 노력하고 있습니다.

그러나 실험실과 병원 사이에는 상당한 간극이 존재합니다. 분석에 따르면 기술적 검증과 소규모 테스트는 풍부하지만, 이 도구들이 일반 대중에게 안전하고 효과적이라는 것을 증명하는 대규모 실생활 연구는 부족합니다. 현재의 대부분의 작업은 이 기술이 작동할 수 있음을(can work) 증명하는 데 집중되어 있으며, 이 기술이 모든 사람의 일상생활에서 실제로 작동하는지(does work)를 증명하는 단계에는 이르지 못했습니다. 연구진은 개인정보 보호 문제, 환자가 기계에 너무 의존하게 될 위험, 그리고 인간의 감독이 필요하다는 점 등의 문제가 여전히 해결 중이라고 언급했습니다. 아직 이 도구들을 평가하기 위한 단일화된 표준 방식은 없으며, 이들을 광범위한 임상 용도로 승인받기 위한 경로 또한 아직 명확하지 않습니다.

저자들은 이 분야가 현재 새로운 기술에 의한 흥분에 의해 주도되고 있지만, 미래를 위한 견고한 토대를 구축하는 방향으로 전환해야 한다고 결론짓습니다. 그들은 다음 단계가 단순히 더 많은 모델을 만드는 것이 아니라, 연구자들이 서로 다른 국가와 학문 분야를 결합하여 대규모의 장기적인 연구를 수행하는 것이라고 제안합니다. 그들은 인간과 인공지능이 치료 과정에서 어떻게 함께 협력해야 하는지에 대한 명확한 규칙을 개발하여, 기술이 필수적인 인간적 유대감을 대체하는 것이 아니라 환자를 지원하도록 보장해야 한다고 촉구합니다. 데이터는 이 분야가 인프라보다 더 빠르게 성장하고 있음을 보여주며, 잠재력은 엄청나지만 유망한 아이디어에서 신뢰할 수 있는 생명을 구하는 도구로 가는 여정은 여전히 진행 중인 단계에 있음을 보여줍니다.