|잡돌쌤•2026-05-07•1분 소요

AI가 우울증·불안 심각도를 자동으로 평가하는 프레임워크 ADAPTS가 공개됐어요

💡 한줄 요약|AI가 우울증·불안 심각도를 자동으로 평가하는 프레임워크 ADAPTS가 공개됐어요. 핵심은 긴 임상 인터뷰를 증상별 추론 과제로 분해하는 방식이에요. LLM 여러 개를 혼합한 아키텍처(mixture-of-agent

AI가 우울증·불안 심각도를 자동으로 평가하는 프레임워크 ADAPTS가 공개됐어요.

핵심은 긴 임상 인터뷰를 증상별 추론 과제로 분해하는 방식이에요. LLM 여러 개를 혼합한 아키텍처(mixture-of-agents)를 써서 각 증상을 독립적으로 분석하고, 평가 근거도 추적 가능하게 남겨요.

204명 데이터로 두 개의 독립 데이터셋에서 검증했는데, 평가자 간 불일치가 큰 인터뷰에서 AI 평가 오차(22)가 인간 평가자 오차(26)보다 낮게 나왔어요. 확장 프로토콜 적용 시 일치도(ICC)는 0.877까지 올랐거든요.

지금은 텍스트 전용이지만 음성·영상 데이터로도 확장 가능한 구조라, 정신건강 전문가가 부족한 환경에서 객관적 진단 보조 도구로 쓰일 가능성이 열린 셈이에요.

이 글이 어땠나요?

이 논문은 대회형 수학이나 정형 정리증명 대신, 장기 추론·문헌 근거·반복적 증명 수정이 필요한 연구 문제를 겨냥했어요.

기존 SHAP은 컴포넌트 조합을 계속 평가해야 해서, 서드파티 API·불투명 엔드포인트 환경에선 한계가 컸거든요.

arXiv 2605.22883은 A-LEMS라는 측정 프레임워크로 EpG(Energy per Successful Goal)를 제안했어요.

관련 글