중독 회복을 위한 스마트 위치 기반 모바일 앱

본 논문은 알코올 및 담배 중독자들의 재발을 방지하기 위해 공간‑시간 요인을 활용한 모바일 애플리케이션 “Addict Free”를 제안한다. 서론에서는 미국 내 알코올·담배 사용이 사망 원인 상위에 위치함을 강조하고, 기존 재발 방지 연구가 주로 정량적 소비량에 초점을 맞추어 동적 환경 요인을 충분히 반영하지 못한다는 문제점을 제시한다. 이를 보완하기 위해 사용자의 위치 정보와 시간 패턴을 실시간으로 수집·분석하는 시스템을 설계하였다. 시스템은 크게 세 부분으로 나뉜다. (1) 프론트엔드 모듈은 사용자가 직접 입력하는 음주·흡연량, 시간, 장소와 스마트폰 GPS를 통한 지오펜싱 데이터를 받아온다. 사용자는 자신이 위험하다고 생각하는 “알코올 스팟”을 지정할 수 있으며, 시스템은 해당 좌표와 반경을 기반으로 가상 울타리(Geo‑fence)를 생성한다. (2) 백엔드 모듈은 수집된 데이터를 기반으로 재발을 예측하고, 맞춤형 회피 활동을 추천한다. 여기서는 다중 변수 LSTM 모델을 적용해 지난 30일간의 시계열 데이터를 학습한다. 입력 변수는 음주·흡연 시각, 양, 위치, 사용자 프로필(선호 활동, 스트레스 수준 등)이며, 출력은 다음 시간대별 재발 확률이다. 모델은 평균 제곱 오차를 최소화하도록 훈련되었으며, 예측 결과가 임계값을 초과하면 알림 엔진이 작동한다. 알림은 두 가지 형태로 제공된다. 첫째, 사용자가 위험 지역(예: 바, 클럽) 안으로 진입하면 즉시 주변의 대체 활동(피트니스, 카페, 쇼핑 등)을 제안한다. 둘째, 예측된 재발 시점 10분 전에도 사전 알림을 보내어 사용자가 충동을 다른 행동으로 전환할 수 있도록 돕는다. 알림은 사용자의 선호도와 현재 위치를 고려해 개인화된다. (3) 커뮤니티 모듈은 회복 단계별·지역별로 사용자와 치료사를 매칭하고, 게시판·채팅을 통해 경험 공유와 실시간 조언을 가능하게 한다. 커뮤니티는 완전 회복자, 진행 중인 회복자, 그리고 전문가(치료사)로 구성되며, 익명화된 프로필을 통해 프라이버시를 보호한다. 데이터 관리 측면에서 수집된 모든 정보는 익명화 과정을 거쳐 데이터베이스에 저장되며, 개인 식별 정보는 별도로 보관한다. 시각적 통계 화면에서는 일간·주간·월간 소비 추이와 Soberness 점수를 1~10 척도로 시각화해 사용자가 자신의 회복 진행 상황을 한눈에 파악할 수 있다. 또한 사용자는 매일 짧은 설문을 통해 스트레스 수준 및 피드백을 제공하며, 이는 모델 입력에 반영되어 예측 정확도를 높인다. 논문은 구현된 시스템의 구조와 주요 기능을 상세히 설명하고, LSTM 기반 예측 모델의 수식과 학습 절차를 제시한다. 그러나 실험 결과에 대한 정량적 평가가 부족하고, 실제 사용자 데이터를 통한 검증이 제한적이다. 향후 연구에서는 대규모 임상 시험을 통해 모델의 정확도(ROC‑AUC, 정밀도·재현율)와 알림 효과를 검증하고, 알림 피로도 감소를 위한 사용자 맞춤 설정 옵션을 추가할 필요가 있다. 또한, 개인정보 보호와 데이터 보안에 대한 구체적인 정책을 마련해 사용자 신뢰를 강화해야 한다. 결론적으로 Addict Free는 공간‑시간 정보를 활용한 재발 예측, 개인화된 회피 활동 제안, 그리고 커뮤니티 기반 지원을 통합한 종합적인 중독 회복 지원 플랫폼을 제공한다. 이는 기존의 정적인 소비량 모니터링을 넘어, 사용자의 실제 생활 환경과 행동 패턴을 실시간으로 반영함으로써 재발 위험을 사전에 차단하고, 회복 지속성을 높이는 데 기여한다.