인구감소지역의 케어네트워킹 시스템 기반 대화형 AI 노인 안부전화서비스 프로토콜 개발 및 실증 연구

Ⅰ. 서론

수도권의 총 인구가 국내 전체 인구의 절반 이상을 넘어섰으나(Statistics Korea, 2023a), 지방은 인구가 점차 소멸되고, 고령화가 진행됨에 따라 돌봄이 필요한 시점에 제때 돌봄을 받지 못하는 돌봄 사각지대가 확대되고 있다. 지역의 돌봄 공백은 고령인구 비율 증가로 인해 의료 및 돌봄 수요가 급증하는 반면, 지역 인구 유출로 인해 이를 충족시킬 돌봄 인력은 지속적으로 감소하고, 지방정부의 예산 감소로 인해 돌봄 서비스를 제공하는 인프라 및 서비스 양이 축소되어 발생한다. 실제로, 통계청 자료에 따르면 2023년 65세 국내 고령인구는 전체 인구의 18.4%를 차지했고, 이후 지속적으로 증가하여 2025년 20.6%로 초고령사회에 진입하며, 2050년 40.1%에 달할 것으로 예측하고 있다(Statistics Korea, 2023b). 이러한 고령화 현상은 농촌 지역에서 더욱 뚜렷하게 나타나며, 2023년 기준 농촌 지역의 52.6%가 65세 이상 고령인구인 것으로 보고되었다(Statistics Korea, 2023c).

고령인구의 증가는 의료 및 돌봄 수요의 증가로 직결된다. 2023년도 노인실태조사결과에 따르면, 전체 노인의 86.1%가 1개 이상 만성질환을 보유하고 있으며, 2개 이상을 보유한 복합이환자는 63.9%에 달하였다(Kang et al., 2023). 이러한 고령층의 신체적 기능 저하로 인해 의료 및 장기요양 서비스에 대한 수요도 함께 증가한다. 2022년도 건강보험 진료 통계에 의하면, 노인의 입원진료 비율은 전체의 47.9%, 외래진료 비율은 전체의 31.1%를 차지하고 있다(Statistics Korea, 2023d). 장기요양 인정자 수는 2008년 이래 연평균 11.5%씩 증가하여 2023년 기준 109만명에 이르렀다(National Health Insurance Service, 2023). 이러한 의료 및 돌봄 수요는 고령화가 가속화됨에 따라 더욱 증가할 것으로 예상되며, 특히 고령인구 비율이 높은 지방에서는 수요가 더 크게 증가할 것으로 보인다.

지속적인 지방의 인구 감소는 돌봄 인력 부족을 초래하며, 이는 지방의 고령화와 의료 및 돌봄 수요 증가에 적절히 대응하는 데 큰 어려움을 가중시킨다. 2022년도 장기요양실태조사에 따르면, 농어촌 지역 재가급여 수급자는 대도시 거주자보다 식사 준비, 통증 관리, 세면이나 화장실 이용 등 기본적인 일상 활동에서 어려움을 보고한 비율이 더 높았다. 그러나 농어촌 소재의 장기요양기관의 분포는 26.2%에 그쳐 중소도시와 대도시에 비해 매우 낮았다(Lee et al., 2022). 뿐만 아니라 농어촌 지역 장기요양기관은 인력확보가 어려운 실정으로, 실제로 인력 수급 문제를 경험한 비율이 대도시(26.6%)와 중소도시(33.0%)보다 높은 43.6%로 나타났다. 인력 채용이 어려운 원인으로는 지역 내 관련 자격증 보유자의 부족을 꼽았다. 지난 1개월 동안 방문요양 요양보호사의 하루 최대 방문 이용자 수가 3명 이상인 경우는 농어촌지역 기관에서 37.1%로 나타나, 대도시(7.3%)와 중소도시(14.7%)에 비해 크게 높은 수치를 보였다. 이러한 연구 결과는 지방의 인구 감소와 고령화가 돌봄 인력 부족과 맞물려, 농어촌 지역에서의 적절한 돌봄서비스 제공에 심각한 공백이 발생하고 있음을 의미한다.

인구밀도가 낮은 지방의 열악한 교통 인프라는 돌봄·의료 서비스 접근성을 저해하는 요인 중 하나로 작용하고 있다. 서비스 이용 인구가 줄어들면서 농어촌버스 보유 대수는 감소 추세에 있으며, 지자체에서 제공하는 대체 교통복지 수단은 양적으로 충분하지 않은 상황이다(Kim, Seong, & Min, 2018). 2023년도 노인실태조사에 따르면, 읍·면 지역에 거주하는 노인은 동 지역 거주 노인에 비해 교통 불편으로 인해 병의원 진료를 받지 못한 경험이 빈번하고, 대중교통 이용 편의성 측면에서도 불만족을 보고한 비율 또한 매우 높게 나타났다(Kang et al., 2023). 의료시설 및 대중교통 접근성이 농촌과 도시 거주 노인의 주관적 건강 상태에 미치는 영향을 한국복지패널로 분석한 연구(Yi & Kim, 2015)에서는, 농촌 지역에서의 접근성 개선이 주관적 건강 상태 향상에 중요한 요인임을 확인하였다. 돌봄·의료 서비스 수요는 가장 빠르게 증가하고 있지만, 돌봄 인프라가 가장 열악한 농어촌 인구감소지역에서는 이 문제가 더욱 심화되어, 이 지역 주민들이 살던 곳에서 건강하게 살아가는 것이 점점 더 어려워지고 있다. 2024년 3월 26일 『의료 요양 등 지역 돌봄의 통합지원에 관한 법률』이 제정되면서, 보건의료와 장기요양, 일상생활 돌봄 등 다양한 서비스를 지역사회를 중심으로 통합적으로 제공하는 지원체계를 구축하는 법적 밑거름이 마련되었다. 그러나 인구감소지역에서는 돌봄의 파편화나 분절화보다 부족한 돌봄자원이 더 시급한 문제로 대두되고 있다. 몇몇 지방자치단체들이 기존 돌봄 체계와 인프라로 돌봄의 수요를 감당하기 어려운 상황에서, 지속 가능하고 경제적 부담을 줄일 수 있는 디지털 돌봄 솔루션에 관심을 두고 시도하는 이유가 여기에 있다.

혁신 기술을 통해 고령화 시대에 대응하고 급증하는 돌봄·의료 서비스 수요를 해결하기 위한 다양한 시도들은 이미 이루어지고 있다. 우선 정부 및 지자체에서는 기술을 활용하여 노인에게 의료, 보건, 복지 서비스를 제공하는 대표적인 사례로 AI·IoT(Artificial Intelligence and Internet of Things)기반 어르신 건강관리사업을 들 수 있다. 이 사업은 기존 보건소 방문건강관리사업에 AI·IoT 기술을 접목한 것으로, AI 스피커, 스마트 밴드, 블루투스 혈압계 등 기기를 통해 수집된 건강데이터를 보건소와 연계하여 맞춤형 건강관리 서비스를 제공한다(Lee et al., 2024). 독거노인·장애인 응급안전안심서비스는 독거노인과 장애인 가구에 IoT기반 응급안전 장비(게이트웨이, 활동량 감지기, 화재 감지기, 응급 호출기 등)를 설치하여 응급 상황 발생 시 119와 연계하여 신속한 구조를 지원한다(Ministry of Health and Welfare, 2024). 코로나-19 대유행 이후 보건 측면에서의 기술 개발 필요성이 더욱 대두되었으며, 이에 따라 미국 ARPA 사업을 모델로 한 한국형 ARPA-H(Advanced Research Projects Agency for Health) 사업은 초고령사회 대응을 위한 지속 가능한 복지·돌봄체계 구축을 위해 대규모 R&D(Research and Development) 사업을 수행하고 있다(Jeon & Han, 2024). 또한, 다양한 기업들이 AI, IoT, 음성 인식, 빅데이터 기술을 활용하여 노인 건강관리 및 안부전화 서비스를 제공하고 있다. 예를 들어, AI 음성인식 기술을 활용하여 안부전화서비스를 제공하는 네이버 클라우드의 CLOVA CareCall, SK텔레콤의 AI콜, KT의 AI케어 등이 있다. 이러한 기술을 접목한 돌봄·의료 서비스를 실제 현장에 적용한 후, 기술의 효과를 평가하고 실천 경험 및 인식을 파악하는 연구들도 다수 수행되었다(Bae, Lee, & Lee, 2023; Kim & Kim, 2022; Kim & Oak, 2023; Lee, Lee, & Jeon, 2017; Lim, Lee, & Kil, 2023). 그러나 자가 건강관리 역량을 강화하거나 정서지원을 목적으로 하는 이와 같은 AI 기술들은, 디지털 문해력이 높은 대상자만을 중심으로 하거나, 통합돌봄의 핵심인 지역사회 보건복지 자원과의 연계까지는 기대하기 어려운 단회성 서비스에 머물러 있다. 이러한 기술들이 인간의 돌봄을 대체할 수 있는가에 대한 논의가 필요함은 물론, 통합돌봄의 연속선에서 AI 기술이 어떤 기능을 어디까지 담당할 수 있는지를 깊이 고려해야 하며, 휴먼 터치와 테크 터치가 가장 효율적으로 어우러질 수 있는 지점을 찾는 연구가 더 많이 시도되어야 한다.

본 연구에서 주요하게 사용된 용어의 정의는 다음과 같다. ‘케어네트워킹 시스템’은 지역사회의 의료·돌봄 자원의 연계를 촉진하고 서비스 제공자의 업무 효율성을 높이기 위해 본 연구팀에서 개발한 시스템을 의미한다(Lee et al., 2023). 케어네트워킹 시스템을 활용하여 고령자와 지역사회 의료·돌봄 자원 간의 연계를 촉진하는 지역 주민 활동가는 본 연구에서 ‘마을돌봄매니저’로 칭했다. 대화형 AI(Conversational AI)는 음성 또는 텍스트 기반 AI 에이전트로, 대화 및 언어 상호작용을 시뮬레이션하고 자동화하는 기술을 지칭하는 인공지능 하위 분야이다. 본 연구에서 사용된 대화형 AI 노인 안부전화서비스는 주기적으로 전화를 걸어 건강, 식사 등 일상적 안부를 묻고 이상 징후를 모니터링하는 서비스를 말한다(Naver Cloud Platform, n.d.). 기존의 대화형 AI 안부전화서비스는 단순히 서비스를 제공하는 데 그치지 않고, 실제 지역사회에서 실행 가능성을 높이며 다양한 의료·돌봄 자원과 연계할 수 있는 구체적인 절차와 방법을 제시하는 프로토콜 개발이 필요하다.

전북특별자치도 정읍시는 2009년 노인인구가 20%를 넘어서는 초고령사회에 진입한 이후 노인 인구가 가파르게 증가하고 있다. 정읍 내 87.1%의 병·의원이 시내에 집중되어 있어 읍·면 지역의 보건의료 인프라가 매우 취약하다(Jeongeup City, 2023). 이런 상황 속에서 정읍시는 ‘2024년 노인 의료·돌봄 통합지원 기술지원형 시범사업’에 선정될 만큼 노인 돌봄의 필요성 증대에 높은 관심을 보이고 있다(Lim, 2024). 이러한 지역적 특성을 고려하여, 케어네트워킹 시스템을 기반으로 한 대화형 AI 안부전화서비스 프로토콜은 실효성있는 해결책을 제시할 수 있을 것으로 기대된다. 이에 본 연구는 정읍시 읍·면 지역에 거주하는 노인을 대상으로 대화형 AI 안부전화서비스를 제공하고, 후속 모니터링 및 지역사회 자원 연계를 위한 사람과 기술의 융합 프로토콜을 개발하는 대규모 실증 연구를 수행했다. 이를 통해 인구감소지역에서 고령자 돌봄공백 문제를 해결하기 위한 사람과 기술이 융합의 융합 모델의 효용성과 가능성을 탐구할 것이다.

Ⅱ. 연구방법

본 연구는 인구감소지역으로 선정된 전북특별자치도 정읍시 읍·면 지역에 거주하는 3,087명의 노인을 대상으로, 일상생활을 모니터링하는 대화형 AI 안부전화서비스를 제공하고, 통화 내용을 기반으로 후속 모니터링를 실시하여 의료, 복지, 돌봄 자원을 지역사회 내에서 연계하는 프로토콜을 개발하고 실증하기 위해 수행되었다(Ministry of the Interior and Safety, n.d.)

2. 프로토콜 개발 방법

1) 분석

서비스 이용자의 돌봄 및 기술에 대한 요구를 파악하기 위해 설문조사와 심층면담을 병행하는 혼합연구 방법론을 채택했다. 이를 통해 설문조사로 파악하기 어려운 스마트기술 건강관리서비스에 대한 구체적인 경험 등의 내용을 심층면담을 통해 보완하고자 했다(Johnson & Onwuegbuzie, 2004). 설문조사는 2023년 9월부터 11월까지 전북특별자치도 정읍시 읍·면 지역에 거주하는 만 60세 이상 4,989명을 대상으로 진행되었으며, 훈련된 전문 조사원 11명이 참여하였다. 설문조사는 건강상태, 돌봄필요도, 사회자본, 기술활용도, 스마트 건강관리 서비스 필요도를 파악하는 데 중점을 두었다. 심층면담은 2023년 11월부터 12월까지 동 지역에 거주하는 만 60세 이상 57명을 대상으로 진행되었으며, 이를 통해 기존에 받고 있던 공공 돌봄·의료 서비스 이용의 장애물과 어려움, 향후 필요하다고 생각되는 노인 정책 및 서비스, 스마트기기를 활용한 보건복지서비스 이용 경험을 파악했다. 설문조사 문항 및 심층면담 반구조화 질문지의 개요는 다음의 표와 같다<Table 1>.

<Table 1>

Overview of survey items and semi-structured interview questions for identifying demand for smart technology in healthcare services

2) 설계 및 개발

프로토콜을 설계하기 위해 2024년 1월부터 3월까지 정기적으로 총 6회의 연구진 워크숍을 개최하였다. 워크숍은 보건의료 분야에서의 기술 활용 및 역학에 전문성을 가진 박사급 연구교수 1인의 주도로 진행되었으며, 사회복지학 연구원 1인, 간호학 연구원 2인, 보건학 연구원 3인이 각자의 전문 지식을 바탕으로 서비스 프로토콜의 구성요소 정의 및 통합적 프로토콜을 수립했다. 분석 단계에서 설문조사 및 심층면담을 통해 도출된 결과를 프로토콜 구성의 기초자료로 활용했다. 기존 공공 서비스 이용의 장애요인, 스마트 건강관리 서비스에 대한 수요도, 돌봄에 대한 요구를 토대로 연구진 워크숍 논의의 방향성을 설정했으며, 프로토콜 설계 시 반영하였다.

워크숍의 주요 논의 주제는 기존 스마트기술 기반 건강관리 서비스와의 차별점, 프로토콜에서 케어네트워킹 시스템의 역할, 지역사회 자원 연계를 위한 마을돌봄매니저의 권한과 역할 등이 포함되었다. 논의 결과, 케어네트워킹 시스템을 기반으로 단순 데이터 통합 뿐 아니라, 서비스 이용자와 지역사회 자원을 연결하는 네트워크 구축을 목표로 설정했다. 또한, 케어네트워킹 시스템과 대화형 AI 안부전화 데이터 연동 및 관리방안을 수립했고, 서비스 제공을 위한 적절한 인력배치를 계획했다. 대화형 AI 안부전화서비스 제공 후 모니터링을 위한 인력으로 연구원 4인, 지역사회 돌봄·복지 자원연계를 위해 읍·면 지역 별로 마을돌봄매니저 1인, 의료서비스 연계를 위해 방문간호사 1인을 배치했다.

Ⅲ. 연구결과

1. 분석

프로토콜 실증에 앞서, 지역사회주민의 돌봄욕구와 기술사용현황을 파악하기 위해 수행한 지역돌봄수요조사와 심층면담 결과는 다음과 같다. 우선, 설문조사 결과에 따르면, 전체 연구참여자의 63.9%가 여성이었고, 전체 평균 연령은 77.5세(±7.3)였다. 남성은 부부 또는 자녀, 가족과 거주하는 비율이 높게 나타났으나(86.1%), 여성은 독거(48.0%)와 동거(52.1%)의 비율이 비슷한 것으로 확인되었다. ADL 및 IADL을 기준으로 기능 제한이 있는 사람의 비율은 남성(11.4%)보다 여성(20.8%)에서 훨씬 더 높은 것으로 나타났다. 인터넷 사용 비율은 여성이 남성보다 낮게 나타났고, 연령대가 높아질수록 인터넷 사용 비율은 낮아지는 경향을 보였다. 스마트폰과 피처폰을 포함한 휴대폰은 전체의 94.5%가 보유하고 있었으며, 여성이 남성보다, 또한 연령대가 높아질수록 휴대폰 보유율이 낮았다. 대다수의 노인이 휴대폰을 보유하고 있으나, 연령대가 높아질수록 휴대폰 보유율은 낮게 나타났다. 대체로 75~84세 집단이 다른 연령대 집단보다 스마트기술을 활용한 건강서비스 수요가 높은 것으로 나타났다. 특히, 대화형 AI 안부전화서비스에 대한 수요는 전체의 70.6%로 나타났고, 여성에게서, 또한 75~84세 연령 집단에서 높은 선호도를 보였다. 대화형 AI 안부전화서비스 외에도, 전반적인 스마트기술 건강서비스 수요는 75~84세 연령 그룹이 다른 연령 그룹에 비해 높게 나타났다.

<Table 2>

General characteristics and demand for smart healthcare among older adults in rural JeongeupUnit: n(%)

심층면담 결과, 연구 참여자들은 스마트기술을 활용한 보건복지서비스에 대한 경험이 부족한 것으로 나타났다. 일부 연구 참여자들은 스마트폰 사용에 어려움을 겪고 있으며, 문자와 전화 외의 기능을 사용할 줄 모른다고 언급하였다. 또한, 일부 연구 참여자들은 교육기회가 있어도 참여하는 것이 번거롭고 쉽게 내용을 잊어버리기 때문에 새로운 기술을 배울 의향이 없다고 언급하였다. 스마트기술을 활용한 건강관리 서비스에 대한 경험으로는, 마을 이장이나 보건소, 면사무소에서 재난 안내 및 건강검진 안내 문자를 수신한 경험을 언급하였다. 이는 스마트기술을 활용한 다양한 보건복지서비스가 지역사회 내에 존재함에도 불구하고, 서비스 이용자 측면에서 서비스에 대한 인지도가 매우 낮다는 것을 보여준다. 이러한 연구참여자들의 스마트기술 활용 능력과 경험을 고려할 때, 대화형 AI 안부전화서비스는 고령자들에게 익숙한 전화 수신 방식으로 접근할 수 있기 때문에 적합한 중재 방식임을 알 수 있었다.

2. 설계 및 개발

앞선 기술 수요도 조사 및 연구진 워크숍을 통해 [Figure 1]과 같은 프로토콜을 도출해내었다. 지역사회의 돌봄욕구 및 기술사용 현황 파악을 위해 수행한 지역돌봄수요조사 참여자 4,989명 중 대화형 AI 안부전화서비스 이용에 동의한 자 2,963명과 마을돌봄매니저를 통해 직접 발굴된 124명을 포함한 총 3,087명을 대상으로 서비스를 제공했다. 제공된 서비스는 크게 두 가지로 구성된다. 첫째, 대화형 AI 안부전화서비스이다. 이는 주 1회씩 12주간 제공되었으며, 아침, 점심, 저녁 시간대 중 연구참여자가 선호하는 시간대로 배정되었다. 부재중일 경우, 1시간 간격으로 두 차례 추가 전화가 발신되었다. 둘째, 안부전화 모니터링 및 후속조치 서비스이다. 연구원 4인으로 구성된 모니터링팀에서 주 단위로, 한 주간 발신된 안부전화의 내용을 모니터링했다. 대화형 AI 안부전화서비스는 자동으로 연구참여자의 통화내용을 인식하여 텍스트화하고, 특정 키워드를 중심으로 위험 상황을 감지하여 건강, 수면, 식사, 운동, 외출, 또는 그 외 특별한 조치가 필요한 자로 대상자를 분류한다. 모니터링팀은 특별한 조치가 필요한 대상자만을 선별하여 전화 내용을 검토하고, 사후 조치를 취하였다. 주간 정기 사례회의를 통해 모니터링 종결, 또는 지역사회자원 연계가 필요한 연구대상자를 선별했고, 돌봄 또는 복지 자원의 연계가 필요할 경우 마을돌봄매니저를, 의료적 후속조치가 필요하다고 판단될 경우 방문간호사를 연계하여 돌봄의 연속성을 확보하고자 하였다.

[Figure 1]

Service implementation protocol

3. 수행 및 평가

전체 3,087명을 대상으로 주 1회, 12주간 대화형 AI 안부전화서비스를 제공한 결과는 다음과 같다[Table 3]. 전체 수신율은 55.85%였으며, 여성이 남성보다, 연령대가 높을수록 수신율이 높은 경향을 보였다. 특히 85세 이상 고령자의 수신율은 63.04%로, 전체 연구참여자의 총 수신율보다 약 8% 높았다. 건강 이상으로 감지된 비율은 총 통화 연결 성공횟수 중 22.25%를 차지했으며, 여성이 남성보다 건강 이상으로 분류된 비율이 훨씬 더 높았다(여성, 24.91%; 남성, 16.26%). 수면 이상, 식사 이상, 운동 이상으로 분류된 비율은 전체 통화 연결 성공 건수 중 1%대로 비슷한 수준이었지만, 성별 및 연령별로 층화할 경우 조금씩 양상에 차이가 있었다. 수면 이상과 식사 이상 비율은 각각 남성보다 여성에서 소폭 더 높았고, 수면 이상은 연령대가 낮을수록, 식사 이상은 연령대가 높을수록 더 높은 경향을 보였다. 반면, 운동 이상 비율은 여성보다 남성에게서 조금 더 높게 나타났고, 연령대가 낮을수록 이상 비율이 더 높은 경향을 보였다. 외출 이상 비율은 전체 통화 연결 성공 건수 중 3.27%를 차지했으며, 남성보다 여성이, 연령대가 높을수록 이상 비율이 더 높았다. 건강, 수면, 식사, 운동, 외출 외에도, 알고리즘에 의해 특별한 조치가 필요한 경우로 9가지 상황(가슴통증, 도움요청, 구조요청, 마비증상, 실신증상, 어지럼증, 호흡곤란, 고열, 구토)으로 분류되었다. 전체 통화 연결 성공 횟수 중 1.47%가 특별 조치가 필요한 경우로 분류되었으며, 남성보다 여성이, 연령대가 높을수록 특별 조치 필요자로 분류된 비율이 더 높았다.

<Table 3>

Results of conversational AI call service provided to study participantsUnit: %

대화형 AI 안부전화서비스 제공 건수 중 특별조치가 필요하다고 분류된 사례는 총 306건이었으며, 이 중에서 ‘도움요청’(134건), ‘어지럼증’(86건), ‘마비증상’(22건) 순으로 발생 비율이 높았다. 특별조치가 필요한 9가지 경우 중 ‘구토’를 제외한 8가지 경우 모두 남성보다 여성에게서 발생 비율이 높았다. 특히, ‘도움요청’의 경우 여성 80.6%, 남성 19.4%로 가장 큰 차이를 보였고, 그 다음으로는 ‘가슴통증’에서 여성 76.92%, 남성 23.08%로 큰 차이를 보였다. 연령별로 살펴보면, ‘구토’와 ‘가슴통증’을 제외한 나머지 7가지 경우는 75세 이상 85세 미만의 그룹에서 가장 높은 발생 비율을 보였고, ‘가슴통증’은 ‘85세 이상’ 그룹에서 가장 높은 발생 비율을 보였다[Figure 2].

[Figure 2]

Gender and age distribution of individuals flagged for emergency action by conversational AI algorithm

본 연구팀은 특별조치가 필요한 306건에 대해 후속 모니터링 및 내부 사례회의를 진행하여 발화 인식 오류로 인해 특별조치 필요건으로 오분류된 경우, 당장 조치가 필요하지 않으나 추이 관찰이 필요한 경우, 마을돌봄매니저 혹은 방문간호사를 통한 후속조치가 필요한 경우, 세 가지 경우로 분류하였다. 후속조치가 필요하다고 판단되어 마을돌봄매니저 또는 방문간호사에게 연계한 대표적인 사례 두 건을 소개하면 다음과 같다.

이기철(가명, 남, 79세) 님은 대화형 AI 안부전화를 통해 한 달 가량 지속적으로 어지럼증 및 그로 인한 식사의 어려움, 기억력 저하로 인한 불편함을 호소하였다. 이에 모니터링팀은 후속 전화를 통해 구체적으로 증상의 정도, 발생 빈도와, 복용 중인 약물 및 돌봄 자원의 현황을 파악했다. 이를 바탕으로 방문간호사의 대면상담 및 지역사회 자원연계가 필요하다고 판단했다. 모니터링팀은 방문간호사에게 대상자를 의뢰했고, 방문간호사는 유선상담을 통해 방문일정 및 간단한 증상 확인을 진행했다. 방문간호사는 유선상담 후 바로 다음 날, 대상자의 가정을 직접 방문하여 거주 상태와 약 정리를 위한 약물복용 현황을 확인하고 활력징후를 체크했다. 방문했을 당시에도 여전히 어지럼증을 호소하였으나, 증상을 해결하기 위한 약물복용이나 적극적인 치료는 받고 있지 않음을 확인했고, 이에 방문간호사는 대상자에게 병원 진료 및 치료를 권하였다.

유순자(가명, 여, 87세) 님은 교통사고로 인한 우측 고관절 탈구를 겪고, 최근 1년 간 입원 후 퇴원하여 자택에 거주 중이었다. 사고로 인해 다리에 감각이 없어 거동이 어려운 상태로 일상생활 수행능력이 저하되었고, 우울증 증세를 호소하였다. 이에 모니터링팀은 후속 전화를 취해 대상자가 겪고 있는 거동불편으로 인한 신체적, 심리적인 어려움에 대해 상담을 진행했고, 추가적으로 얼굴이 자주 붉어지며 두피 가려움증이 심해 피부과약을 복용하고 있다는 사실을 파악하였다. 모니터링팀은 방문간호사에게 대상자를 연계했고, 방문간호사는 직접 가정에 방문하여 대상자의 건강상태를 세밀하게 파악하고, 지역사회 자원연계가 필요한지 여부를 확인하였다. 대상자의 활력징후는 안정적이었으며, 거주지는 청결하게 정돈되어 있었다. 두피 가려움증은 염색으로 인한 것임을 확인하고, 염색을 중단할 것을 권유하였다. 또한, 거동 불편으로 인해 농사일과 사회적 활동에 어려움을 겪으면서 발생한 우울 증상에 대해 상담을 진행하였다.

Ⅳ. 논의

본 연구는 인구감소지역의 노인 돌봄 공백 문제의 해결 방안을 찾기 위해, 정읍시 읍·면 지역을 대상으로 대화형 AI 안부전화로 노인의 일상 안부를 확인하고, 케어네트워킹 시스템 기반 모니터링 및 후속조치를 시행한 실증 연구이다. 주요 연구결과를 요약하면 다음과 같다. 실증연구에 앞서 연구대상 지역에 거주하는 노인을 대상으로 실시한 수요도 조사결과에 의하면 대부분 휴대폰을 소유하고 있었고, 대화형 AI 안부전화서비스의 수요도는 남성보다 여성이, 75~85세 그룹이 높게 나타난 것으로 확인되었다. 심층면담 조사결과에 의하면, 대체로 과거에 스마트기술을 활용한 보건복지서비스 이용 경험이 부재했고, 이러한 서비스에 대해 전반적으로 인지도가 낮은 것을 알 수 있었다. 이같은 조사 결과와 연구팀 내부 워크숍 결과를 종합하여 실증연구의 프로토콜을 수립했고, 1주에 1회씩 12주간 대화형 AI 안부전화 서비스 제공, 모니터링 및 지역사회 자원연계 후속조치를 수행하였다. 실증연구 수행 결과 총 수신율은 55.85%로 나타났고, 남성보다 여성이, 연령대가 높을수록 수신율 및 특별조치 필요자로 분류된 비율이 높은 것으로 확인되었다. 특별조치 필요자로 분류된 주된 사유는 ‘도움요청’, ‘어지럼증’, ‘마비증상’ 등의 순으로 높게 나타났으며, 모니터링 절차에 의해 후속관리가 필요한 연구대상자를 발굴하여 방문간호사 또는 마을돌봄매니저를 통한 가정방문 및 상담서비스를 제공하는 시나리오를 수립 및 실행함로써 지역사회 내 실현 가능성을 실증적으로 입증했다.

본 연구에서 남성보다 여성이, 연령대가 높아질수록 대화형 AI 안부전화서비스 결과 특별조치 필요자로 분류된 비율과, 식사 및 외출 이상자로 분류된 비율이 높게 나타난 점은, 여성 노인일수록, 연령대가 높을수록 건강수준이 낮고, 돌봄필요도가 높다는 기존 연구 결과와 일치하는 부분이다(Kang et al., 2023). 그러나 여성 노인일수록, 연령대가 높아질수록 디지털 기기 접근 수준, 역량 수준, 활용 수준을 종합적으로 평가한 디지털정보화 수준이 낮고(National Information Society Agency, 2022), 정보화 사회 적응에 어려움을 겪는다고 응답한 비율이 높다고 보고되었는데(Kang et al., 2023), 본 연구에서는 여성 노인일수록, 연령대가 높을수록 대화형 AI 안부전화서비스의 수신율이 높게 나타났다. 이는 PC나 스마트워치 등 타 기기와 비교했을 때 휴대전화는 후기고령자의 보유율이 상대적으로 높고(Kang et al., 2023), 휴대전화를 활용해 전화를 받는 행위는 문자 또는 SNS를 활용하는 행위보다 비교적 간단하므로 여성 노인 및 연령대가 높은 그룹에서 AI안부전화서비스의 수신율이 높게 나타났을 수 있다. 또한, 특별조치 필요자로 분류된 경우 모니터링팀에서 사후 전화 및 자원 연계 등의 후속조치를 수행했는데, 이러한 인적 상호작용 요소는 돌봄과 정서적 지원이 필요한 연구 참여자들의 높은 수신율에 기여했을 수 있다. 의료 및 돌봄 필요도가 높아지는 고령의 노인에게 기술을 활용한 서비스를 제공할 때는 단순히 기술을 제공하는 것을 넘어, 수용성을 높이기 위해 인간 중심적 요소를 결합하는 방안에 대한 고민이 필요하다.

Ⅴ. 결론

본 연구는 인구감소지역에서 고령자 돌봄공백 문제를 해결하기 위한 대화형 AI 안부전화서비스의 효용성과 가능성을 탐구하였다. 연구 결과, 사람과 기술을 융합한 대화형 AI 안부전화서비스가 고령자들의 일상생활 모니터링 및 안부확인을 돕고, 지역사회 자원 연계를 촉진하는 가능성이 있음을 확인하였다. 그러나 서비스의 지속적 사용을 유도하고, 기술 수용성을 높이기 위한 추가 연구와 서비스의 장기적 효과를 평가하는 후속 연구가 필요함을 시사한다. 이러한 사람과 기술의 융합은 고령자에게 보다 인간 중심적인 서비스를 제공할 수 있는 가능성을 열어 주며, 향후 돌봄의 질 향상에 기여할 수 있을 것이다.

Acknowledgments

본 연구는 보건복지부의 재원으로 국민건강 스마트관리 연구개발사업 지원에 의하여 이루어진 것임(HS23C0056).

References

• Albahri, A. S., Duhaim, A. M., Fadhel, M. A., Alnoor, A., Baqer, N. S., Alzubaidi, L., . . . Deveci, M. (2023). A systematic review of trustworthy and explainable artificial intelligence in healthcare: Assessment of quality, bias risk, and data fusion. Information Fusion, 96, 156-191. [https://doi.org/10.1016/j.inffus.2023.03.008]
• Bae, J. H., Lee, S. W., & Lee, S. M. (2023). A study on the current status of digital technology utilization and the perception of workers in social work field. Journal of Community Welfare, 87, 29-66. [https://doi.org/10.15300/jcw.2023.87.4.29]
• Bridge2AI-Voice Consortium. (n.d.). Mission and vision. Accessed 2024, November 27. Retrieved from https://b2ai-voice.org/mission-and-vision/
• Chin, Y.-L., Wu, F.-S., Liu, J.-B., Li, Y., & Wang, J. (2024). Exploring the role of interaction in older-adult service innovation: Insights from the testing stage. Humanities and Social Sciences Communications, 11, 867. [https://doi.org/10.1057/s41599-024-03380-z]
• DeVault, D., Artstein, R., Benn, G., Dey, T., Fast, E., Gainer, A., . . . Morency, L.-P. (2014). SimSensei Kiosk: A virtual human interviewer for healthcare decision support. Proceedings of the 2014 International Conference on Autonomous Agents and Multi-Agent Systems, 1061-1068.
• Jeon, S. J., & Han, M. G. (2024). Key contents and implications of the U.S. “ARPA-H strategic plan” (Korean, authors’ translation). Eumseong: Korea Institute of Science & Technology Evaluation and Planning.
• Jeongeup City. (2023). The 8th local health care plan, 4-year plan (2023-2026) (Korean, authors’ translation). Jeongeup: Author.
• Jo, E., Epstein, D. A., Jung, H., & Kim, Y.-H. (2023). Understanding the benefits and challenges of deploying conversational AI leveraging large language models for public health intervention. Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems, 18. [https://doi.org/10.1145/3544548.3581503]
• Johnson, R. B., & Onwuegbuzie, A. J. (2004). Mixed methods research: A research paradigm whose time has come. Educational Researcher, 33(7), 14-26. [https://doi.org/10.3102/0013189X033007014]
• Kang, E. N., Kim, H. S., Jeong, C. W., Kim, S. J., Lee, S. H., Joo, B. H., . . . Choi, K. D. (2023). 2023 national survey of older Koreans (Korean, authors’ translation). Sejong: Korea Institute for Health and Social Affairs.
• Kim, H., & Oak, J. (2023). A study on the experiences of using the AI care call service for the elderly in single households. The Journal of Humanities and Social Sciences 21, 14(2), 1129-1144. [https://doi.org/10.22143/HSS21.14.2.78]
• Kim, Y. D., & Kim, G. H. (2022). The experiences of social workers on digital-based practices during COVID-19. Journal of Korean Social Welfare Administration, 24(1), 151-181. [https://doi.org/10.22944/kswa.2022.24.1.006]
• Kim, Y. W., Seong, J. I., & Min, K. C. (2018). Transportation service utilization conditions and improvement tasks of rural residents (Korean, authors’ translation). Naju: Korea Rural Economic Institute.
• Lee, J. Y., Lee, J. I., & Jeon, J. H. (2017). An empirical study on the elderly healthcare service for the elderly using ICT -Centering on Songpa-gu area-. Design Convergence Study, 16(1), 257-280.
• Lee, J., Park, S., Cho, M., Kang, J.-W., Kim, M., Choi, S., . . . Jang, S. (2023). Development of a web-based care networking system to support visiting healthcare professionals in the community. BMC Health Services Research, 23, 1427. [https://doi.org/10.1186/s12913-023-10434-6]
• Lee, Y. K., Lee, S. H., Kang, E. N., Kim, S. J., Namkung, E. H., & Choi, Y. J. (2022). 2022 long-term care survey research report (Korean, authors’ translation). Sejong: Korea Institute for Health and Social Affairs.
• Lee, Y. S., Kim, D. J., Yoon, M. H., Lee, J. W., Jung, D. Y., & Kim, S. H. (2024). Guide on AI·IoT-based health management projects for older adults (Korean, authors’ translation). Seoul: Korea Health Promotion Institute.
• Lim, J. (2024, August 19). City launches pilot project for technical support in integrated medical and care support for older adults (Korean, authors’ translation). Jeonbuk Ilbo, Accessed 2024, December 20. Retrieved from https://www.jjan.kr/article/20240819580087
• Lim, J., Lee, J.-H., & Kil, H. M. (2023). Experiences in providing AI-based care services for older adults. Journal of Digital Contents Society, 24(10), 2325-2335. [https://doi.org/10.9728/dcs.2023.24.10.2325]
• Ministry of Health and Welfare. (2024). Guide to emergency safety and security services for older people and disabled individuals living alone (Korean, authors’ translation). Sejong: Author.
• Ministry of the Interior and Safety. (n.d.). Designating population decline areas (Korean, authors’ translation). Accessed 2024, December 20. Retrieved from https://www.mois.go.kr/frt/sub/a06/b06/populationDecline/screen.do
• Molenda, M. (2003). In search of the elusive ADDIE model. Performance Improvement, 42(5), 34-36. [https://doi.org/10.1002/pfi.4930420508]
• National Health Insurance Service. (2023). 2023 long-term care insurance statistical yearbook. Wonju: Author.
• National Information Society Agency. (2022). The report on the digital divide 2022. Daegu: Author.
• Naver Cloud Platform. (n.d.). Overview of CLOVA CareCall. Accessed 2024, December 20. Retrieved from https://www.ncloud.com/product/aiService/clovaCareCall#overview
• Statistics Korea. (2023a). 2023 population and housing census (Press release) (Korean, authors’ translation). Daejeon: Author.
• Statistics Korea. (2023b). 2023 older population statistics (Press release) (Korean, authors’ translation). Daejeon: Author.
• Statistics Korea. (2023c). 2023 agriculture, forestry, and fisheries survey (Press release) (Korean, authors’ translation). Daejeon: Author.
• Statistics Korea. (2023d). 2022 inpatient/outpatient older Koreans claims status (Korean, authors’ translation). Accessed 2024, December 20. Retrieved from https://opendata.hira.or.kr/op/opc/olapHthInsRvStatInfoTab1.do?docNo=03-001
• Yi, Y.-J., & Kim, E.-J. (2015). The effects of accessibility to medical facilities and public transportation on perceived health of urban and rural elderly: Using generalized ordered logit model. Journal of the Korean Regional Development Association, 27(1), 65-88.