[연구의 필요성]
정신 건강 관리를 위한 대화 시스템은 정신적 고통을 겪고 있는 사람들에게 적절한 지원을 제공하는 것을 목표로 합니다. 그러나 기존 연구에서는 전문적인 의료 처치가 필요한 개인을 효과적으로 식별하지 못해, 충분한 도움을 제공하는 데 한계가 있었습니다. 본 연구는 이러한 문제를 해결할 수 있는 고급 정신 건강 관리 시스템을 위해 진단 정서적 지원 대화(DiagESC) 작업을 제안하고, 이를 위한 대화 데이터셋 DESC를 새롭게 합성하여 공개합니다.

[포스텍이 가진 고유의 기술]
우리는 실제 임상에서 사용되는 우울증 선별검사 PHQ-9(Patient Health Questionnaire-9)를 기반으로 발화를 생성하는 LLM 프레임워크와, 의학적 의미를 유지하기 위한 필터링 프로토콜을 통해 새로운 데이터셋인 DESC를 합성했습니다. 전문 심리 상담사의 평가에 따르면, DESC는 기존 우울증 진단 데이터셋에 비해 우울증 진단 능력이 우수하며, 유창하고 일관된 대화의 품질을 유지하는 것으로 나타났습니다.

[연구의 의미]
본 연구에서 제안된 DiagESC 작업은 기존 정서적 지원 대화 연구에서 다루지 않았던 우울증 조기 위험 발견을 가능하게 합니다. 이 시스템은 우울증이 의심되는 사용자에게 관련 증상을 묻는 질문을 통해 우울증을 감지하고, 전문적인 도움을 받을 수 있도록 지원합니다. 또한 제시된 데이터셋 합성 프레임워크는 우울증뿐만 아니라, PHQ-9와 유사한 검사 도구가 존재하는 PTSD, 공황장애, 불안장애 등 다양한 정신 건강 문제로 확장할 수 있습니다.

[연구결과의 진행 상태 및 향후 계획]
본 연구는 SIGDIAL 2024에서 구두 발표되었으며, 경찰관을 대상으로 하는 실제 상담 챗봇 서비스에 활용될 예정입니다.

[성과와 관련된 실적]
Seungyeon Seo, Gary Geunbae Lee, DiagESC: Dialogue Synthesis for Integrating Depression Diagnosis into Emotional Support Conversation, SIGDIAL 2024

[성과와 관련된 이미지]