금연 성공을 빠르고 효율적으로 예측하는 계산모델링 기법 개발

[연구필요성]

금연 치료에서는 누가 재흡연 위험이 높은지, 어떤 시점에 개입이 필요한지를 조기에 파악하는 것이 중요하다. 기존 연구들은 대체로 단면적 평가나, 지루하고 오래 걸리는 행동 과제에 의존해, 금연 과정에서 매일 변화하는 갈망, 정서, 의사결정 특성을 포착하는 데 한계가 있었다. 특히 생태순간평가(ecological momentary assessment, EMA)는 일상 속 심리상태를 반복 측정하는 데 유용하지만, 계산모델링(computational modeling) 기반 인지 지표를 임상 현장에서 짧고 안정적으로 반복 측정하는 것은 여전히 어려운 과제였다.

[연구성과/기대효과]

본 연구는 계산정신의학, 디지털 표현형, EMA, 머신러닝 기반 실험설계를 결합하여 중독 치료의 예측 가능성과 임상적 활용성을 높인 사례이다. 향후 이러한 접근은 금연 치료뿐 아니라 다양한 중독 및 정신건강 문제에서 개인맞춤형 개입 전략을 설계하는 데 중요한 기반이 될 것으로 기대된다.

[본문]

서울대학교 심리학과 안우영 교수 연구팀은 금연 성공을 빠르고 효율적으로 예측하는 계산과학적 방법을 개발하고 연구 결과를 국제 학술지Neuropsychopharmacology에 게재하였다. 본 논문은 서울대학교 심리학과 박사과정생이었으며 2026년 박사학위를 취득한 이정현 학생이 제1저자로서 연구를 주도하였고 미국 Rutgers 대학의 Anna Konova 교수, 서울대학교 보건진료소 조희경 교수, 박형준 교수, Ohio State University의 Mark Pitt 교수 등이 참여한 공동연구의 성과다.

금연 치료에서는 누가 재흡연 위험이 높은지, 어떤 시점에 개입이 필요한지를 조기에 파악하는 것이 중요하다. 그러나 기존 연구들은 대체로 단면적 평가나, 지루하고 오래 걸리는 행동 과제에 의존해, 금연 과정에서 매일 변화하는 갈망, 정서, 의사결정 특성을 포착하는 데 한계가 있었다. 특히 생태순간평가(ecological momentary assessment, EMA)는 일상 속 심리상태를 반복 측정하는 데 유용하지만, 계산모델링(computational modeling) 기반 인지 지표를 임상 현장에서 짧고 안정적으로 반복 측정하는 것은 여전히 어려운 과제였다.

[연구결과]

Rapid and reliable computational markers of decision-making for predicting daily smoking behavior and smoking cessation treatment outcomes


Jeung-Hyun Lee, Sang Ho Lee, Jaeyeong Yang, Hyeonjin Kim, Mark A. Pitt, Hyung Jun Park, Hee-Kyung Joh, Anna B. Konova & Woo-Young Ahn

(Neuropsychopharmacology, https://doi.org/10.1038/s41386-026-02448-5)

이번 연구는 이러한 한계를 극복하기 위해EMA와 계산모델링 기반 의사결정 과제를 스마트폰 앱에 통합하였다. 연구팀은 서울대 보건진료소 금연 프로그램에 참여한 79명의 흡연자를 대상으로 5–6주 동안 최대 세 차례의 심리상태 보고와 의사결정 과제 지표를 매일 수집하였다. 특히 기계학습 기반의 적응형 설계 최적화(adaptive design optimization, ADO) 기법을 활용하여 지연할인 과제와 위험 및 모호성 의사결정 과제를 하루 20–30문항 수준으로 단축하면서도, 개인별 의사결정 특성을 약 5분 이내에 안정적으로 추정할 수 있도록 하였다.

분석 결과, 전날의 흡연 갈망, 우울 수준, 모호성에 대한 관용도가 높을수록 다음 날 흡연량이 증가하는 경향이 나타났다. 반대로 약물 복용은 다음 날 흡연량 감소와 관련되었다. 이는 금연 과정에서 흡연 행동이 단순히 의지나 동기만으로 설명되는 것이 아니라, 매일 변화하는 정서 상태와 의사결정 특성이 함께 작용하는 동적 과정임을 보여준다.

또한 치료 종료 시점의 금연 성공 여부는 낮은 지연할인율, 낮은 흡연 갈망과 스트레스, 더 긴 흡연 기간, 높은 치료 참여도에 의해 예측되었다. 특히 치료 초반 1주일 동안 수집한 의사결정 과제 데이터만으로도 치료 종료 시점의 금연 성공을 비교적 높은 정확도로 예측할 수 있었다. 이는 임상 현장에서 장기간의 복잡한 평가 없이도, 짧고 효율적인 디지털 평가를 통해 개인별 재흡연 위험과 치료 반응을 조기에 파악할 수 있음을 시사한다.

본 연구는 계산정신의학, 디지털 표현형, EMA, 머신러닝 기반 실험설계를 결합하여 중독 치료의 예측 가능성과 임상적 활용성을 높인 사례이다. 향후 이러한 접근은 금연 치료뿐 아니라 다양한 중독 및 정신건강 문제에서 개인맞춤형 개입 전략을 설계하는 데 중요한 기반이 될 것으로 기대된다.

본 연구는 정신질환, 중독, 약물치료 및 뇌기전 연구 분야의 권위 있는 국제 학술지인 Neuropsychopharmacology에 게재되었다. 이 저널은 미국신경정신약물학회(American College of Neuropsychopharmacology, ACNP)의 공식 학술지로, 생물정신의학 및 중독 연구 분야에서 높은 영향력을 갖는 학술지로 평가받고 있다.