스마트폰 습관으로 스트레스 판별…KAIST, 정확도 약 76%

채팅·검색·결제 등 반복 행동 분석

앱 바뀌어도 행동 기준 분류…장기 추적 안정성 높여

카이스트는 AI컴퓨팅학과 이의진 교수 연구팀이 스마트폰의 반복 행동을 자동으로 찾아 스트레스 여부를 분석하는 기술 ‘SHIRBT-MMF’를 개발했다고 15일 밝혔다. ⓒ카이스트

스마트폰에서 반복되는 채팅과 검색, 결제 같은 일상 행동을 분석해 하루의 스트레스 상태를 판별하는 기술이 개발됐다.

카이스트(KAIST)는 AI컴퓨팅학과 이의진 교수 연구팀이 스마트폰의 반복 행동을 자동으로 찾아 스트레스 여부를 분석하는 기술 ‘SHIRBT-MMF’를 개발했다고 15일 밝혔다.

기존 연구는 화면 사용 시간이나 앱 실행 횟수, 앱별 사용 시간 등을 주로 활용해 왔다. 사용하는 앱이나 화면이 바뀌면 데이터 특성도 달라져 장기간 스트레스 변화를 추적하는 데 한계가 있었다.

연구팀은 ‘어떤 앱을 썼는지’보다 ‘무엇을 했는지’에 초점을 맞췄다. 카카오톡에서 라인이나 왓츠앱으로 바꿔도 모두 ‘메신저 채팅’이라는 같은 행동으로 분류하는 방식이다.

여러 날 반복되는 화면 전환 패턴을 찾은 뒤 대규모언어모델(LLM)을 활용해 ‘메신저 채팅’, ‘웹 탐색’, ‘금융 결제’, ‘이메일 읽기·작성’ 등 행동 이름을 붙였다. 서로 다른 앱에서도 같은 행동을 분류하는 정확도는 95% 이상이었다.

실제 입력한 문자나 메시지 내용은 저장하지 않았다. 입력 여부와 횟수, 화면 전환 등 행동 정보만 기록하고 메시지·통화 상대 정보는 해시 처리했다.

연구팀은 20~30대 대학생과 직장인 26명의 실제 스마트폰 사용 데이터를 토대로 성능을 검증했다. 확인된 반복 행동은 29종으로, 한 사람당 평균 약 7가지를 일상적으로 반복했다.

개인 맞춤형 AI로 하루의 스트레스 여부를 판별한 결과 가장 좋은 성능을 보인 모델의 평균 정확도는 단기 참여자 75.9%, 장기 참여자 73.8%였다. 같은 AI 기법으로 앱 사용량을 분석한 기존 방식보다 각각 5.5%p, 3.5%p 높았다.

‘메신저 채팅’과 ‘금융 결제’ 두 가지 행동이나 ‘메신저 채팅’ 하나만 활용해도 기존 방식보다 높은 평균 정확도를 보였다. 장기 데이터에서도 행동 기반 분석 지표의 변화가 상대적으로 적었다.

다만 이번 연구는 스마트폰 행동과 스트레스의 연관성을 분석한 것으로 특정 행동이 스트레스를 유발하거나 낮춘다는 인과관계를 입증한 것은 아니다. 연구팀은 다양한 연령과 직업군, 스마트폰 환경으로 연구를 확대할 계획이다.

이번 연구에는 이한수 박사가 제1저자로, 이의진 교수가 교신저자로 이름을 올렸다. 연구 결과는 국제학술지 ‘Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies’에 지난해 12월 게재됐고, 13일부터 15일까지 중국 상하이에서 열리는 ‘ACM UbiComp/ISWC 2026’에서 발표된다.

이의진 KAIST 전산학부 교수는 “복잡한 스마트폰 기록을 사람이 이해할 수 있는 행동 단위로 바꿔 장기간 정신건강 변화를 보다 안정적으로 분석할 수 있는 기반을 제시했다”고 말했다.