SNS 속 위험 신화를 읽는 AI
 |
SNS 속 위험 신호를 읽는 AI — 섭식장애를 추적하는 ‘ED-Filter’의 등장
트위터 속 섭식장애를 잡아내는 똑똑한 필터 ‘ED-Filter’의 등장
"오늘 하루도 굶었어요. 살이 빠지니까 기분이 좋아요."
이런 문장이 담긴 게시글이 트위터에 매일 수없이 올라온다. 겉보기에 일기처럼 보일 수도 있지만, 그 속에는 심각한 정신 건강 문제가 숨어 있다.
바로 섭식장애(Eating Disorder, ED)다.
최근 연구에 따르면, 호주 청소년의 약 20%가 섭식장애를 겪고 있다. 특히 '프로아나(Pro-Ana)'나 '씬스포(Thinspo)' 같은 해시태그를 달고 극단적 다이어트를 미화하는 트윗이 온라인에 넘쳐나면서, 그 영향을 받는 이들도 급증하는 추세다.
이런 가운데, 인공지능(AI)이 이 문제를 해결할 실마리를 제시했다. 트위터에서 섭식장애의 징후를 자동으로 포착해내는 기술, ‘ED-Filter’**가 그것이다.
---
섭식장애의 ‘디지털 그림자’를 추적하라
연구진은 2015년부터 2018년까지 약 11,620개의 트위터 계정을 수집했다. 이들은 대부분 #proana, #thinspo 등 섭식장애를 미화하는 키워드를 사용한 사용자들이었다. 이 데이터는 총 37,405개의 트윗으로 구성됐다.
이 방대한 데이터 속에서 유의미한 신호를 찾는 것은 쉬운 일이 아니다. 트윗 하나하나에 등장하는 단어와 해시태그는 제각기 다르고, 그 조합은 고차원(high-dimensional) 구조를 띄기 때문이다. 마치 수백 개의 조각을 맞춰야 퍼즐의 그림이 드러나는 것처럼, 정확한 진단을 위해선 수많은 키워드 중 진짜 ‘의미 있는’ 단어들만 골라내는 기술이 필요했다.
---
‘ED-Filter’의 등장: AI가 가려내는 의미 있는 단서들
이 논문에서 제안한 ED-Filter는 말 그대로 ‘필터’ 역할을 한다. 단순한 단어 필터가 아니라, 수많은 키워드 중에서 섭식장애 진단에 가장 유의미한 단서만을 선별해내는 AI 알고리즘이다.
핵심 기술은 다음과 같다:
핵심 기술은 다음과 같다:
1. 정보 이득(Information Gain)을 활용해, 먼저 단어들의 중요도를 계산한다.
2. 그 다음, 분기 한정(branch and bound) 알고리즘으로 가장 효과적인 단어 조합(특징 집합)을 탐색한다.
3. 여기에 딥러닝 기반 다층 퍼셉트론(MLP)을 더해, 최적의 단어 개수까지 예측한다.
4. 마지막으로, 가장 가능성 높은 키워드만을 남긴다.
기존 방법과의 가장 큰 차이는? 바로 동적인 데이터에 잘 적응한다는 점이다. 트위터는 하루에도 수없이 바뀌는 데이터로 가득하다. ED-Filter는 변화하는 데이터를 빠르게 분석하고, 실시간에 가까운 예측 성능을 자랑한다.
---
실험 결과는?
"좋았다, 매우 좋았다!"
연구진은 ED-Filter의 성능을 다양한 다른 방법과 비교했다. 결과는 다음과 같다:
* 기존 필터 방법보다 정확도가 최대 8% 높았다.
* 다른 알고리즘보다 필요한 키워드 수가 적었고, 계산 속도도 빨랐다.
* 특히 클래스 2(우울, 자살 관련 증상군)에 대한 정밀도는 0.6으로, 기존 방법 대비 월등히 높았다.
한 마디로, 효율성과 정확성 모두 잡은 기술이었다.
---
AI와 정신건강: 앞으로의 이야기
ED-Filter는 단순한 연구용 모델을 넘어, 실제 적용 가능한 수준의 기술로 평가된다. 특히 SNS 데이터를 분석해 조기 개입의 실마리를 제공한다는 점에서, 정신건강 분야의 게임체인저가 될 수도 있다.
하지만 연구진은 여기에 멈추지 않았다.
앞으로는 트위터뿐 아니라 인스타그램, 틱톡 등의 이미지 중심 플랫폼까지 분석 영역을 확대할 계획이다. 또한 텍스트뿐 아니라 이모지나 사진에 담긴 정서 정보까지 분석하는 방향으로 연구를 확장하고 있다.
결국 이 기술이 궁극적으로 도달하고자 하는 지점은 단 하나다.
“AI가 먼저 알아채고, 사람이 늦기 전에 도울 수 있도록.”
---
키워드:
#섭식장애 #AI정신건강 #트위터데이터 #딥러닝 #정보이득---
*출처 논문
Naseriparsa, M.; Sukunesan, S.; Cai, Z.; Alfarraj, O.; Tolba, A.; Rabooki, S.F.; Xia, F.
**ED-Filter: dynamic feature filtering for eating disorder classification**. *Artificial Intelligence Review*, 2025, 58, 237.