KAIST, 정신과 초진 전에 AI가 환자 상태를 정리하는 면담 시스템 개발

• KAIST와 강남세브란스병원이 정신과 초진 전에 쓰는 AI 면담 지원 시스템을 개발함

  • KAIST 전산학부 이의진 교수팀, 산업디자인학과 이탁연 교수팀, 강남세브란스병원 정신건강의학과 김은주 교수팀이 공동으로 진행함
  • 환자가 의사를 만나기 전 AI와 먼저 대화하면서 자신의 증상과 상태를 정리하는 구조임
  • 연구 결과는 인간-컴퓨터 상호작용 분야 학회 ACM CHI 2026에서 발표됨

• 시스템의 역할은 진단이 아니라 초진에 필요한 임상 정보를 구조화하는 것임

  • AI가 환자 답변을 정신건강의학 지식과 대조해 실시간으로 분석함
  • 이후 다음에 물어봐야 할 핵심 질문을 생성하면서 대화 흐름을 조정함
  • 반복적이고 구조적인 정보 수집은 AI가 맡고, 의사는 최종 진단과 처방에 집중하는 협력 모델을 목표로 함

• 단순 챗봇 문답이 아니라 실제 상담 기법을 일부 반영한 게 포인트임

  • 환자가 편하게 상태를 말할 수 있도록 공감 표현을 넣음
  • 환자의 말을 다시 정리해주는 재진술을 사용함
  • 모호한 표현을 더 구체적으로 묻는 명확화 기법도 적용함
  • 정신과 면담에서는 정보만 캐내는 느낌이 나면 답변 품질이 떨어질 수 있어서, 이 설계가 꽤 중요함

• 왜 정신과 초진에 이런 시스템이 맞아떨어지냐면, 첫 면담의 정보량이 많기 때문임

  • 증상 자체뿐 아니라 기간, 강도, 생활 변화, 과거력, 현재 스트레스 요인 같은 맥락을 같이 봐야 함
  • 의사가 짧은 시간 안에 이걸 모두 묻고 정리하기엔 부담이 큼
  • AI가 사전 대화로 기본 정보를 정리해두면, 진료 시간에는 더 깊은 상담에 집중할 여지가 생김

• 물론 기사 기준으로는 실제 환자 대상 임상 운영 단계까지 간 건 아님

  • 검증은 가상 환자 1440명을 대상으로 진행됐다고 제시됨
  • 실제 의료 현장 적용에는 개인정보, 안전성, 편향, 응급 위험 감지 같은 문제가 더 따라붙을 수밖에 없음
  • 그래도 “AI가 의사를 대체한다”가 아니라 “의사가 더 잘 보기 위한 전처리를 한다”는 포지션은 꽤 설득력 있음

• 개발자 입장에서는 의료 AI 제품의 현실적인 인터페이스를 보여주는 사례임

  • 모델 성능만큼 중요한 게 질문 순서, 환자 반응에 따른 분기, 상담 톤, 임상 정보 구조화임
  • 특히 정신건강 영역에서는 사용자가 답변을 계속 이어가도록 만드는 상호작용 설계가 핵심
  • LLM을 의료 지식과 연결할 때도 답변 생성보다 ‘어떤 정보를 빠뜨리지 않고 모을 것인가’가 더 중요한 문제로 보임

---

기술 맥락

• 이 시스템의 기술적 선택은 거대언어모델을 진단자가 아니라 면담 진행자로 쓰는 거예요. 의료 영역에서 모델이 바로 결론을 내리게 하면 위험 부담이 커지지만, 초진 전 정보를 구조화하는 역할은 상대적으로 적용 가능성이 높아요.

• 정신과 초진은 환자의 말에서 맥락을 뽑아내는 과정이 중요해요. 그래서 단순 설문처럼 정해진 질문만 던지는 방식보다, 답변에 따라 다음 질문을 바꾸는 대화형 구조가 필요해요.

• 연구진이 공감, 재진술, 명확화를 넣은 이유도 답변 품질 때문이에요. 환자가 자기 상태를 편하게 설명해야 정보가 충분히 나오고, 모호한 표현은 다시 확인해야 임상적으로 쓸 수 있는 데이터가 돼요.

• 이 접근은 의사를 대체하기보다 진료 전 병목을 줄이는 쪽이에요. AI가 반복적인 정보 수집을 맡고, 의사는 그 정리된 내용을 바탕으로 판단과 상담에 더 시간을 쓰는 구조라서 실제 현장 도입 논리도 비교적 명확해요.