서론
세계보건기구(World Health Organization)는 글로벌 정신건강 문제에 대해 오랫동안 경고해 왔다. 전 세계 10억 명 이상의 사람들이 정신질환을 겪고 있으며, 100명 중 1명이 자살로 생을 마감한다는 보고[1]는 정신건강의 문제가 우리 삶에 아주 가까이 왔음을 느끼게 한다. 특히 최근 전 세계가 동시에 경험한 코로나바이러스병-19 (coronavirus disease 2019, COVID-19) 범유행은 확진과 그로 인한 합병증 문제를 넘어, 장기화로 인한 2차적 문제를 야기했다. 그중에서도 우리 삶에 직접적으로 체감되었던 것은 우울 및 불안장애와 같은 정신건강 문제였다. 우리나라 정부는 COVID-19 BLUE (코로나 블루)와 같은 이름으로 범유행 장기화로 인한 정신건강 문제 예방 및 개입을 추진했으며[2], 이러한 국가 차원의 대응은 비단 우리나라만의 특수한 상황은 아니었다.
COVID-19 범유행의 장기화는 공중보건 차원에서 정신건강 문제에 대한 관심을 일으키는 동시에 기존 대면치료의 한계를 인식하게 하였으며, 이는 IT를 활용한 디지털 헬스케어(digital healthcare) 기술에 대한 필요성으로 이어졌다[3]. 디지털 헬스케어는 원격의료, 전자의료기록, 모바일 헬스케어, 가상현실(virtual reality, VR), 웨어러블 기기와 같은 다양한 기술로 세분화된다[4]. 그중에서 질병 또는 장애의 치료, 관리, 예방에서 임상적인 유용성을 입증한 소프트웨어를 디지털 치료기기(digital therapeutics)라고 한다[5]. 디지털 치료기기는 특정 질환의 치료를 목적으로 하는 소프트웨어 전반을 포괄하는 개념이지만, 학술, 임상 현장, 그리고 일상적 영역에서의 정의가 통합되지 않은 것으로 보인다. 예를 들어, 국내에서는 디지털 치료기기를 식품의약품안전처의 인증 및 허가를 받은 제품으로 한정하고 있다. 이 연구에서는 규제 기관의 인증을 받은 제품으로 한정하지 않고, 임상적 효과가 입증된 모든 관련 소프트웨어 기반 중재를 포함하는 포괄적인 개념으로의 디지털 치료기기라는 용어를 사용하고자 한다.
디지털 치료기기를 포함한 디지털 헬스케어 기술의 발전은 대면치료의 한계를 극복하고, 기존 약물 치료적 접근을 대체(medication complement)하거나 보완(medication augment or complementary)하기 위한 목적으로 사회적인 관심을 받아왔고, 이는 시장 규모의 증가를 일으켰다. 글로벌 디지털 헬스케어 시장은 2019년 약 1,750억 달러에 이르렀으며, 2025년에는 약 6,600억 달러에 이를 것으로 예상되고 있다[6]. 그러나 시장 규모의 급격한 성장에도 불구하고, 정신건강 영역에서의 디지털 치료기기의 개발과 상용화의 수준은 상대적으로 미흡한 현실이다. 이에 일부 전문가들은 여러 원인 중의 하나로서 디지털 치료기기의 개발 및 평가 과정이 기존 의료기기나 약물의 평가 방식을 벗어나지 못하고 있음을 지적한다[7].
치료제나 치료기기 개발의 전통적인 평가 방식에서는 무작위 대조연구(randomized controlled trial, RCT)의 population, intervention, comparison, outcome (PICO)요소를 통해 명확한 치료 효과와 비용 효율성의 근거를 요구한다[8]. 즉, 기존 약물 치료와 마찬가지로, 디지털 치료기기 역시 특정 환자 집단을 대상으로 개발된 이후, 대조군과의 엄격한 비교 실험을 통해 그 효과와 비용 효율성을 입증해야 한다는 것이다. 그러나 디지털 치료기기는 특정 질환의 직접적인 치료를 목표로 하기도 하지만, 더 포괄적으로 기능적 개선을 목표로 하는 경우도 많다. 또한 디지털 치료기기는 사용자 경험에 따라 대상, 디자인, 및 기능이 발전하거나 변경될 수 있어, 개발 과정에서 사용자의 인식과 행동 변화를 관찰하는 것이 중요하다[9]. 이에 따라 디지털 치료기기의 평가는 기존 약물 기반 치료제 패러다임에서 벗어난 새로운 방식이 도입되어야 한다는 의견이 대두되고 있다[7]. 전통적인 관점에서의 건강은 ‘질병이나 허약함이 없는 상태’로 정의되며, 건강을 부정적으로 개념화(negative health)하는 접근이 주를 이루어 왔다[10]. 그러나 웰빙 기술을 지지하는 연구자들은 건강을 더 포괄적이고 긍정적인 관점(positive health)에서 접근해야 한다고 주장하며[11], 근거 기반 디지털 웰빙(evidence-based digital wellbeing)이 자기관리와 건강한 생활 습관 형성에 기여할 수 있음을 강조하고 있다.
디지털 웰빙(digital wellbeing) 또는 웰빙 앱(wellbeing application)은 디지털 치료기기와 유사하게 건강 예방 및 관리에 중점을 두고 있으나, 더 유연하고 포괄적인 개념으로 사용된다. 디지털 치료기기와 디지털 웰빙은 서비스 이용자가 특정 질환을 경험하고 있는 환자인지 아니면 일반 건강한 대중인지, 개입이 질환 치료적 목적을 가지고 있는지 아니면 일상적 건강 증진을 위한 것인지에 따라서 구분될 수 있다. 이 두 가지를 포함하는 포괄적 용어로는 디지털 건강 개입(digital health intervention)이 있으며, 특히 정신건강 분야에서는 정신건강을 위한 디지털 개입(digital intervention for mental health, DIMH)이 일반적인 개념으로 자리 잡고 있다[12].
DIMH는 서비스 제공 방식에 따라 안내형(guided 혹은 clinician-guided)과 비안내형(unguided 혹은 self-guided)개입으로 구분된다[13]. 안내형 개입은 임상의나 준전문가 등 숙련된 제공자가 디지털 개입을 통해 사용자와 상호작용하는 방식으로, 사용자 참여율과 개입 효과가 높은 것이 특징이다. 그러나 제공자의 숙련도에 따라 효과의 크기가 달라질 수 있으며, 서비스 비용이 상대적으로 높다는 한계가 있다. 반면, 비안내형 개입은 사용자가 스스로 디지털 서비스를 활용하는 방식으로, 비용 효율성 측면에서는 유리하지만 사용자의 참여율을 보장하기 어렵다는 한계가 있다. 이러한 한계를 극복하기 위해 최근에는 인공지능(artificial intelligence, AI) 기반 챗봇(chatbot)이나 사용자 맞춤형 서비스 제공 알고리즘 등을 통해 사용자의 참여율과 개입의 효과성을 높이려는 노력이 이어지고 있다.
2022년 보건복지부는 다양한 건강 증진 서비스의 활성화를 위해 비의료 건강관리서비스 인증제 시범사업을 진행하였다. 비의료 건강관리서비스 가이드라인 및 사례집을 통해 다양한 디지털 건강 관리 서비스의 분류와 기준을 제시하였다. 비의료 건강관리서비스를 건강 증진을 목적으로 하되, 의료 전문가의 치료와는 구분되는 서비스로 정의하였다. 이 서비스는 크게 다음 세 유형으로 나눌 수 있다. 첫째, 대면서비스(대면으로 상담이나 교육 제공), 둘째, 비대면 서비스(온라인을 통한 상담·교육 서비스 연결 제공), 셋째, 자동화 서비스(자가 관리 서비스에 자동화된 추천 기능 제공) 등이다. 제도 보완을 거쳐 본사업을 진행할 예정이었으나, 의료행위와 비의료행위의 구분이 모호하다는 지적과 함께 의료민영화, 의료정보유출 등의 문제 제기로 사업이 중단되었다. 사업은 좌초되었으나 전체 건강 영역에서 의료 영역으로 명확히 구분되지 않는 다양한 서비스 수요가 존재하는 것을 확인할 수 있는 계기가 되었다.
기존 많은 연구에서는 정신건강을 위한 디지털 치료 개입을 물질 사용 장애, 기분 장애, 섭식 장애, 외상 및 관련 장애와 같은 이용자의 의학적 상태를 기준으로 분류해왔다[5]. 그러나 의학적 상태 기반 분류는 의학적 효과성에 대한 논의로 이어지기 쉽고, 디지털 개입의 포괄적이고 경험적인 특성을 파악하는 데 한계가 있다.
이 논문에서는 질병 중심의 접근을 넘어, 다양한 디지털 개입의 서비스 유형과 각 서비스에 요구되는 기술을 중심으로 DIMH를 하위 분류하여 소개하고자 한다. 특히, 마음 김(mindfulness)이나 인지행동치료(cognitive behavioral therapy, CBT)와 같은 직접적인 치료를 목표로 하는 개입보다는 그룹화, 플랫폼, 챗봇, 디지털 표현형(digital phenotyping), VR 등 기존의 대표적인 디지털 치료기기로는 주목받지 않았으나 꾸준히 발전하며 미래에 적용 가능성이 높은 기술들에 중점을 두었다. 이 논문을 통해 DIMH의 하위 기술 및 서비스에 대한 인식을 증진시키고 정신건강 영역에서의 디지털 개입에 대한 통합적 이해를 향상시킬 수 있을 것으로 기대한다.
단방향 정보 제공에서 맞춤형 서비스로
Gan 등[13]은 35편의 DIMH 연구를 검토하였는데, DIMH 연구는 주로 CBT에 기반을 두고 있었으며(27편, 77.1%), 치료의 대상은 불안장애(10편, 28.6%), 우울증(9편, 25.7%) 또는 심리적 고통(9편, 25.7%)이었다. 대부분의 연구에서 RCT를 통해 치료 효과를 검증하고자 하였으며, 그 과정에서 사용자 참여 정도를 DIMH의 완료된 모듈(module)의 수, 활동 수, 세션 수 등으로 평가하고 있었다(33편, 94.3%). DIMH의 참여 정도에 좀 더 집중한 문헌 연구에서는 사용자의 70% 이상이 모든 치료 모듈을 완료하지 못했으며, 50% 이상은 모듈의 절반도 완료하기 전에 중도에 참여를 중단했다고 밝혔다[14]. 사용자의 낮은 참여 정도는 DIMH가 실제 적용 현장에서 그 이점을 충분히 발휘하지 못하는 주요한 원인으로 지적되고 있으며[15], 참여율 증진을 위한 다양한 논의가 이어지고 있다.
사용자 참여를 증진하는 가장 효과적인 전략 중 하나는 맞춤형 개입을 제공하는 것이다[16]. 사용자의 정신건강 문제에 대한 이해력(mental health literacy)이 높은 경우 그 영역에 대한 정보를 사용자가 직접 구하거나, 사용자가 요구하는 적절한 정보를 제공하는 것이 어렵지 않다. 하지만 그렇지 않은 경우, 사용자의 상태나 이해력 수준에 맞는 개입을 주지 않으면 오히려 두려움이나 반발감을 키울 수 있다. DIMH의 목적에 개인의 건강(혹은 웰빙) 증진이나 정신건강 문제에 대한 일상적인 예방이 포함된다는 점을 고려할 때, 낮은 정신건강이해력을 가진 사용자에게 맞춤형 서비스를 제공하는 것은 중요하다.
사용자 맞춤형 정보와 서비스를 제공하기 위한 디지털 기술로는 집단 특성에 따른 유형분류 및 피드백(grouptailored feedback)이 있다[16]. 사용자에게 개인별 정신·심리 측정 결과와 지원을 직접적으로 제시할 경우, 사용자가 자신의 역량에 대해 의심하거나 자존감 저하를 느낄 위험이 있다[17]. 개인별 결과 대신 사용자가 속한 집단의 결과를 제공하는 방식은 이러한 잠재적 위험을 완화할 수 있는 효과적인 대안이 될 수 있다.
예를 들어, 이 연구진은 대학생 174명을 대상으로 대학생활에서 정신건강에 영향을 미치는 것으로 알려진 주요 변인들(우울, 불안, 수면, 완벽주의, 지연행동, 주의력)을 활용하여 군집분석을 실시하였다. 이를 통해 총 4개의 그룹(유유자적, 건강한 완벽주의, 괴로운 완벽주의, 마음앓이)이 도출되었으며, 치료 전문가들과의 집단 토론을 통해 각 그룹의 특성을 정의하고 맞춤형 개입에 대한 지침을 구성하였다. 이 과정에서 집단 유형에 따라 사용자를 분류하고 결과에 기반한 개입이나 피드백을 제공할 경우, 사용자가 자신과 유사한 유형으로 분류된 집단에 소속감을 느끼며 결과를 더 잘 수용한다는 점이 확인되었다. 이러한 접근은 이후 정신건강 서비스 참여 수준을 높이는 데도 긍정적인 영향을 미쳤다[18].
사용자 맞춤형 개입을 위한 그룹화 피드백에서는 정신건강과 관련된 증상뿐 아니라 사용자의 생활 방식(life style), 즉 물질사용[19], 신체활동[20], 섭식[21], 사회경제적 만족도[22]와 같은 요인들을 통해 사용자의 일상생활 중심의 예방과 변화를 시도하기도 한다. 그러나 이러한 접근에는 몇 가지 한계점이 존재한다. 군집분석이나 머신러닝(machine learning)을 활용해 정신건강 관련 요인들을 분석하면 사용자 맞춤형 개입에 필요한 정보를 도출할 수 있지만, 자료 수집에 많은 시간이 소요되고, 자료 수집 후 서비스가 개입되기까지 발생하는 시간 지연은 서비스의 적합성을 저해하는 요인이 될 수 있다. 또한, 단회성 측정과 개입만으로는 사용자의 내적/외적 변화 과정을 효과적으로 관찰하고 평가하기 어렵다.
건강서비스 제공자와 사용자를 연결하는 플랫폼
정신건강 문제를 효과적으로 예방하고 관리하기 위해서는 전문 인력과의 지속적인 관찰이 필요하다. 온라인 플랫폼은 서비스 제공자와 이용자를 연결하면서 이용자의 상태를 추적할 뿐만 아니라, 이에 따라 다양하고 전문적인 콘텐츠를 제공할 수 있다. 플랫폼이란 서비스를 중심으로 제공자와 수요자가 상호작용할 수 있도록 구축된 생태계로, DIMH에서는 웹 사이트(web site)나 모바일 앱(mobile application)을 주로 활용한다.
최근 정신건강 문제나 정신건강 서비스 이용에 대한 인식이 과거보다 긍정적으로 변화했으나, 여전히 치료에 대해 회의적이거나 부정적인 인식이 남아 있다[23]. 이러한 부정적 인식은 지역사회 다양한 정신건강 서비스 제공 기관이 있음에도 주관적으로 높은 진입장벽을 느끼게 되고, 이것은 곧 낮은 이용률로 이어지게 된다[24]. 온라인 플랫폼의 중요한 역할 중 하나는 도움추구행동(help seeking behavior)의 실천을 유도하는 것이다. 특히 후기 청소년기이자 초기 성인기인 대학생을 대상으로 온라인 플랫폼을 적용한 연구가 많다. 온라인 서비스에 대한 친밀감도 있겠지만 이 시기가 주요 정신건강 문제의 발생에 중요한 시기이며[25], 처음으로 자율성과 그에 따른 책임을 요구 받고[26], 학업, 재정, 대인관계와 같은 다양한 스트레스를 경험하는 시기이기 때문이다[27]. 이들은 재학 중 다양한 어려움에도 불구하고 대학 내 학생상담기관 이용률이 낮으며, 그 주된 이유로 스스로의 정신건강에 대한 이해 부족과 주변 시선에 대한 부담이 지목되고 있다[28].
특정 집단을 위한 온라인 플랫폼을 개발할 때는 이용자의 내적 동기와 진입장벽에 대한 구체적인 이해가 필요하다. 대학생의 경우, 또래와 많은 시간을 보내는 특성이 있으며, 정신건강 정보는 많지만 부정적 인식이 강하다는 점이 있다. 이러한 특성을 고려할 때, 익명성이 보장되면서 텍스트 기반으로 전문가와 상호작용하거나 지속적인 모니터링을 제공하는 것이 효과적이다[29]. 또한, 온라인 플랫폼에서 제공하는 서비스에 대한 참여율을 높이기 위해서는 사용자 요구에 맞춘 콘텐츠를 제공하는 것뿐만 아니라, 푸시(push) 알림의 타이밍이나 멘트 등 플랫폼 내 상호작용을 정교하게 고도화하는 전략이 필요하다[16].
온라인 플랫폼의 개발과 적용과정에는 다음과 같은 사항들을 충분히 고려해야 한다. 우선, 온라인 플랫폼의 개입 요소는 매우 복잡하다. 사용자는 각자의 주관적인 사용 패턴을 가지며, 제공되는 서비스가 사용 패턴에 따라 다른 효과를 보일 수 있다. 또한, 온라인 플랫폼의 기능은 전통적인 정신건강 서비스 제공 체계를 온전히 대체할 수 없다. 기존의 서비스 제공자(예: 대학 상담센터 상담사)는 새로운 플랫폼의 도입이 업무 부담으로 느껴질 수 있다. 따라서 온라인 플랫폼의 기획 단계부터 서비스 제공자가 공동으로 참여해 플 랫폼의 역할을 명확히 하고 현장의 요구를 반영할 필요가 있다. 아울러 AI와 같은 기술을 적용하여 관리 부담을 줄이는 것도 고려해야 한다.
웰빙 챗봇의 잠재적 치료 효과
챗봇의 정신건강 분야에서의 활용 가능성은 오래전부터 제기되어 왔으며, AI 기술의 개발 및 상용화는 그 기대를 더욱 높이고 있다. 기분 추적[30], CBT [31], 긍정심리학[32] 등 다양한 개입을 통해 사용자와 상호작용하는 챗봇이 등장하고 있으며, 대표적인 예로 Woebot이 있다. Woebot은 CBT, 대인관계 심리치료(interpersonal psychotherapy), 변증법적 행동치료(dialectical behavior therapy)의 요소를 사용해 대화를 구성하고 있으며, 웰빙 지원도구 또는 치료적 지원도구로 사용 가능하다[31]. 실제로 이러한 챗봇과의 대화가 불안이나 우울과 같은 문제 해결에 도움이 된다는 연구 결과가 발표되고 있다. 국내에서도 공황장애 대상 CBT 챗봇(토닥토닥)의 효과성에 대한 연구가 발표된 바 있으며[33], 특정 정신질환과 대상 특성에 맞춘 CBT 기반 챗봇이 개발되고 그 효과성을 입증하는 연구가 지속되고 있다.
인간은 단순한 컴퓨터 프로그램에게도 경험, 이해, 공감과 같은 인간적 특성이 있다고 느끼며, 이를 텍스트 인터페이스(text interface)에 투사하기도 한다. 이를 ELIZA 효과라 하는데, 1966년 Joseph Weizenbaum이 개발한 상징적 AI 챗봇 ELIZA에서 비롯된 개념이다[34]. 당시 많은 초기 사용자들은 ELIZA의 단순한 텍스트 처리 방식과 한계에 대한 설명에도 불구하고, 챗봇이 실제로 지능과 이해력을 갖춘 존재라고 느꼈다. 약 60년 전의 이러한 사용자 경험은 오늘날 AI 및 자연어 처리 기술과 결합했을 때 어떤 효과를 낼 수 있을지에 대한 물음으로 이어졌고, 다양한 시도를 촉진했다. 그 예로, Character.ai는 사용자가 특정 페르소나(persona)를 가진 캐릭터를 생성하고 대화할 수 있는 AI 서비스 플랫폼이다. Character.ai의 다양한 페르소나 중 ‘치료사(therapist)’와 ‘심리학자(psychologist)’는 특히 인기가 높은데, 이들과 대화한 사용자들은 챗봇과의 상호작용을 통해 감정적 지원을 받은 경험이 보고되기도 하였다[35]. 비슷하게 국내에서는 스캐터랩(ScatterLab)이 Nutty라는 AI 서비스 플랫폼을 통해 여대생 페르소나를 가진 챗봇 ‘이루다’를 선보여 큰 관심을 받은 바 있다[36].
정해진 시나리오 없이 자유롭게 소통하려면 단순한 의미 전달을 넘어 사회적 맥락을 이해하는 능력이 필요하다. 이러한 특성을 갖춘 챗봇을 ‘소셜(social) 챗봇’이라고 한다[37]. 소셜 챗봇은 치료를 목적으로 개발된 것은 아니지만, 이미 많은 사용자가 다양한 목적으로 이를 활용하고 있다. 최근 연구는 소셜 챗봇과의 상호작용을 통해 얻을 수 있는 잠재적 효과에 주목하는 한편, AI가 사회적 맥락을 충분히 이해하지 못하거나, 사용자의 부정적 또는 비윤리적 의도로 인해 발생할 수 있는 문제들에 대한 논의도 함께 이루어지고 있다.
디지털 표현형을 통해 읽어내는 건강 발자취
디지털 표현형은 스마트폰이나 웨어러블 기기와 같은 디지털 장치에서 수집한 사용 패턴과 센서 데이터를 분석하여 개인의 행동, 심리 상태, 건강 상태 등을 평가하는 방법이다[38]. 디지털 표현형 데이터는 사용자의 직접적인 참여(예: 설문지 응답)가 필요한 능동 데이터(active data)와 사용자의 자각 없이 자동으로 수집되는 수동 데이터(passive data)로 구분된다. 이미 다양한 연구를 통해 디지털 표현형 데이터 활용 가능성은 입증되었다. 예를 들어 인지 장애 모니터링[39], 심전도 모니터링[40], 광전용적맥파 측정기기를 통한 부정맥 탐지[41], 뇌전증 발작 감지 및 예측[42], 그리고 피부 아래 센서 삽입을 통한 당뇨병 관리를 위한 연속혈당측정[43] 등 다양한 영역에서 활발히 활용되고 있다. 임상적으로 유의미한 디지털 표현형 데이터를 실시간으로 모니터링하고 맞춤형 건강 서비스를 제공하는 온라인 플랫폼도 등장하고 있다[44]. 정신건강 영역도 예외는 아니다. 전통적인 평가 방식은 환자의 주관적 보고와 회고적 기억 과정에 영향을 받지만, 객관적으로 수집된 디지털 표현형 데이터는 전통적 평가 방식의 제한점을 극복하게 하는 좋은 도구로 주목받고 있다[45].
정신건강 평가에서 주요하게 활용되는 디지털 표현형 데이터를 살펴보면, 스마트폰의 GPS 센서(global positioning system)를 기반으로 한 위치 정보가 가장 빈번하게 사용되며, 그 다음으로 가속도 데이터와 앱 사용 기록, 특히 소셜미디어 활동 기록이 활용되고 있다. 이러한 데이터는 수면, 운동, 사회적 교류와 같은 일상적 행동을 반영한다. 최근에는 스마트워치와 같은 웨어러블 스마트 기기의 보급으로 생체신호 데이터를 수집하기가 용이해지면서 이를 활용한 정신건강 모니터링이 점차 주목받고 있다.
기존 연구에서는 디지털 표현형 데이터를 대상자들의 기분, 불안, 스트레스에 대한 자가보고식 평가와 비교하여 그 타당성을 검증하려는 시도가 있었다. 그러나 대부분의 연구가 소규모 표본을 대상으로 하거나 대학생을 모니터링한 사례에 국한되어 있어, 디지털 표현형이 유용할 가능성을 시사하는 데 그쳤을 뿐, 타당성이 충분히 검증되었다고 보기에는 어려움이 있었다[46].
디지털 표현형 기술이 단독으로 일상생활에 적용되기까지는 추가적인 시간이 필요할 것으로 보인다. 다만, 연구 과정에서 디지털 표현형이 정신건강 상태를 직접 예측하기보다는 사회적 맥락을 반영하는 보조 지표로서 유용할 가능성이 제시되고 있다[47]. 예를 들어, 센서 데이터를 설문 결과와 함께 분석하면 정신건강 예측력을 높이는 데 기여할 수 있다. 또한, 앞서 언급된 플랫폼이나 챗봇과 같은 텍스트 기반 개입이 사회적, 감정적 맥락을 충분히 반영하지 못하는 한계를 디지털 표현형 데이터를 보조 입력으로 활용하여 보완할 가능성도 기대된다.
새로운 매개체, 가상현실과 메타버스
앞서 언급된 디지털 기술 외에도 새롭고 흥미로운 기술들이 등장하고 있다. 대표적으로 VR과 메타버스(metaverse)가 있다. VR과 메타버스를 활용한 디지털 개입은 최근에 등장한 방식이지만, 정신건강 영역에서는 이미 익숙한 개념으로 자리 잡고 있다. 관련 연구와 임상 현장에서의 적용이 활발히 이루어져 왔으며, 그 효과성 또한 다수 보고되고 있다. 특히, VR은 공포증이나 불안장애 치료에서 효과적이고 안전한 방법으로 널리 인정받고 있다.
VR 노출치료(VR exposure therapy)를 통해 사용자는 두려움을 유발하는 특정 상황을 가상으로 체험하며, 안전한 환경에서 점진적으로 노출되어 두려움을 극복할 수 있도록 돕는다. 예를 들어, Reeves 등[48]은 참가자들에게 VR 환경에서 발표 상황을 경험하게 하고, 점차 더 많은 청중 앞에서 발표하도록 훈련했다. 그 결과, 반복 훈련을 받은 참가자들은 발표 불안이 유의미하게 감소한 것으로 나타났다. 이는 VR 기반의 점진적 노출이 실생활에서의 불안 완화에 효과적이며, 치료적 효과를 기대할 수 있음을 시사한다. Beidel 등[49]의 연구에서는 전투 경험으로 인한 외상 후 스트레스 장애 환자들에게 VR 노출치료를 적용한 결과, 증상의 개선과 장기적인 안정성이 입증되었다. 가상환경은 현실에서는 접근이 어려운 노출 경험을 제공함으로써 두려움과 외상을 다루는 새로운 방식의 치료적 개입을 제안하고 있다.
또한, 디지털 기술의 발전으로 개인 맞춤형 치료가 가능해지면서, 사용자의 특성과 문제를 반영한 맞춤형 가상환경이 주목받고 있다. Jung 등[50]은 공황장애와 광장공포증 환자를 대상으로 개인화된 VR 노출치료를 적용해 긍정적인 신경생리학적 반응을 확인한 바 있다. 맞춤형 가상환경은 특정 촉발 요인이나 문제를 반영한 환경에서 높은 효과성을 보이며, 다양한 사례를 통해 그 가능성이 입증되고 있다.
메타버스는 원격 상담과 아바타(avatar) 기반 상호작용이라는 새로운 접근으로 정신건강 관리에 새로운 가능성을 열어주고 있다. 메타버스 플랫폼에서 아바타를 활용한 자기표현은 타인과의 관계를 유지하고 소통하려는 심리적 동기를 강화한다[51]. 이는 상담자와 내담자 간 정서적 유대감을 형성하여 심리치료의 효율성을 높이는 데 기여할 수 있다. 또한, 아바타 기반 상호작용은 익명성을 보장하여 낙인에 대한 두려움을 줄이고 치료 접근성을 높이는 효과가 있다. 익명성을 기반으로 환자들이 경험을 공유하거나 자조 모임 커뮤니티를 형성할 수도 있다. 이러한 메타버스 내 커뮤니티는 치료 과정에서 동기를 강화하고 정서적 지지를 제공할 뿐만 아니라, 시간과 장소의 제약을 넘어 전 세계의 전문가와 환자가 하나의 가상 공간에서 소통할 기회를 제공한다[52].
해결해야 할 과제도 존재한다. VR 장비와 메타버스 환경 구축에 드는 높은 비용은 기술의 접근성을 제한하는 주요 요인 중 하나이다[53]. 개인정보 보호와 같은 윤리적 문제 역시 디지털 개입 기술 활용에 있어 중요한 고려 사항이다. 특히, VR과 같은 신기술은 개인의 인식, 태도, 성향, 그리고 환경적 요인에 따라 채택 여부가 크게 달라질 수 있다.
결론
디지털 치료기기가 처음 정의되고 관련 기업들이 대규모 투자를 받으며 성장하던 초기에는, 많은 사람들이 디지털 치료기기가 약물 치료를 대체할 것이라고 기대했다. 그러나 오늘날 대부분의 디지털 치료기기 기업은 낮은 시장 수용도로 인해 파산하거나, 비즈니스 모델을 의사가 처방하는 방식에서 환자가 직접 사용할 수 있는 방식으로 전환했다. 이는 디지털 개입이 전통적인 치료제와는 다른 맥락, 특징, 그리고 작동 기제를 가지고 있음을 보여준다. 따라서 디지털 개입을 개발하고 현장에 적용하려 할 때 이러한 점들을 충분히 고려해야 한다는 중요한 교훈을 제공한다.
이러한 고려를 돕기 위해, 이 논문에서는 정신건강 분야에서 활용될 수 있는 디지털 개입 중 직접적인 치료를 목표로 하는 디지털 치료기기가 아닌, 예방, 자가 검진, 서비스 이용 지원을 목적으로 하는 기술들에 초점을 맞추어 논의하였다. 이를 기술별로 나누어 설명하면서, 맞춤형 서비스 제공을 위한 그룹화 기술, 제공자와 사용자의 상호작용을 보조하는 온라인 플랫폼, 일상적인 대화를 지속적으로 제공할 수 있는 소셜 챗봇, 스마트폰 및 스마트워치의 센서를 활용하여 사용자 사회적 맥락과 정신건강 상태를 예측하는 디지털 표현형 기술, 그리고 향후 일상적인 도구가 될 가능성을 가진 VR 기술을 소개하였다.
각 기술은 강점과 한계를 중심으로 논의되었으며, 원고의 흐름을 위해 한 기술의 논의가 끝난 후 자연스럽게 다음 기술로 이어지도록 구성하였다. 다만, 기술 소개 순서는 특정 시계열적 특징에 따른 것이 아님을 밝힌다. 예를 들어, 그룹화 기술은 여전히 활발히 연구되고 있으며, 소셜 챗봇의 초기 형태는 50년 전에 등장했다는 점에서 순서 자체가 기술 발전의 역사를 반영하지는 않는다. 그러나 각 기술은 상호보완적 특성을 가지며, 이러한 특성을 고려할 때 통합적인 접근이 필요함을 강조하고자 한다.
DIMH 기술의 현황을 탐색하는 과정에서 느낀 점은, DIMH의 가장 흥미로운 지점이자 향후 과제가 바로 기술들 간의 경계선에 있다는 것이다. 예를 들어, 맞춤형 서비스를 제공하는 그룹화 기술은 우수한 사용성을 가진 온라인 플랫폼과 결합될 때 장기적으로 효과적인 개입을 제공할 수 있다. 또한, 온라인 플랫폼 내 배치된 챗봇은 제공자가 실시간으로 개입하지 못하는 상황에서도 사용자에게 서비스를 제공할 수 있다. 여기에 디지털 표현형 기술이 더해진다면, 챗봇의 사회적 맥락 감지 능력을 향상시켜 사용자의 사용성과 만족도가 더욱 향상될 수도 있다. 이러한 모든 기술의 통합은 미래에 VR 환경에서도 활용될 가능성이 있으며, 나아가 정신건강 서비스의 새로운 통로를 만들어 줄 것이라 기대한다.
PDF Links
PubReader
ePub Link
XML Download
Full text via DOI
Download Citation
