미국 보건복지부 산하 ARPA-H가 ‘AI로 정신건강 위기를 사전에 잡겠다’는 큰 베팅을 했습니다. 2026년 6월 22일 공개된 이번 계약은 Ksana Health가 주도하는 대형 행동 모델(Large Health Behavior Model, LHBM) 프로젝트에 최대 1,790만 달러를 투입한다는 내용입니다. 환자가 직접 적어 내는 설문에 기대 온 행동건강 진료를, 스마트폰·웨어러블·전자의무기록(EHR) 같은 객관적 데이터 위에서 다시 짜겠다는 시도입니다.

핵심 요약

  • 발표 시점: 2026년 6월 22일. 미국 ARPA-H 계약, 최대 1,790만 달러 규모.
  • 주관: Ksana Health(CEO 닉 앨런 박사, 오리건대 임상심리학 교수).
  • 핵심 산출물: LHBM(Large Health Behavior Model) — 사람 행동 패턴을 학습하는 헬스케어 전용 파운데이션 모델.
  • 데이터 소스: 환자 동의를 받은 스마트폰·웨어러블 센싱 + EHR 결합.
  • 목표 데이터셋: 2단계에 걸쳐 약 38,000명 규모.
  • 적용 영역: 우울증, 불안, 약물사용장애, 자살 위험의 조기 탐지·연속 모니터링·맞춤 치료 권고.
  • 파트너: Providence Healthcare, MedStar Healthcare.

본문

LHBM은 LLM과 무엇이 다른가

요즘 흔히 말하는 LLM은 ‘언어’를 모델링합니다. 반면 LHBM은 ‘사람의 행동’을 모델링합니다. 잠은 몇 시에 자는지, 걸음 수가 갑자기 줄었는지, 평소보다 메시지가 짧아졌는지, 전화 응답이 늦어졌는지 같은 일상의 미세 신호가 학습 재료입니다. 이렇게 모은 패턴이 우울·불안·약물사용장애·자살 위험과 어떻게 이어지는지 학습해, 같은 환자의 새 데이터가 들어왔을 때 위험 신호를 알아챕니다.

기존 행동건강 진료의 한계는 명확합니다. 데이터 대부분이 환자가 직접 답한 설문에서 나오죠. 진료실 밖에서 실제로 어떻게 지냈는지는 거의 잡지 못합니다. 닉 앨런 박사 표현대로, “자가 보고만으로는 그 사람한테 진짜 무슨 일이 벌어지는지 전체 그림을 그릴 수 없다"는 것이 출발점입니다.

데이터셋 38,000명 — 동의 기반으로 짜는 이유

이번 프로젝트의 핵심 자산은 결국 사람 데이터입니다. ARPA-H 계약은 2단계로 진행되며, 최종적으로 약 38,000명 분량의 동의 기반 데이터셋을 모으는 것이 목표입니다. 행동건강 분야에서 이 정도 규모가 모이면 ‘한 병원의 임상시험’을 넘어 산업이 공유할 수 있는 벤치마크급 자원이 됩니다.

데이터 출처가 스마트폰·웨어러블이라는 점은 프라이버시 설계가 처음부터 모델 설계만큼 중요하다는 뜻이기도 합니다. 위치, 통화 패턴, 수면, 심박처럼 민감한 신호가 한 환자의 정신건강 상태와 직결되니까요. ‘informed consent(설명 후 동의)‘를 거듭 강조한 것도 같은 맥락입니다.

Ksana Health 닉 앨런 CEO와 LHBM 프로젝트 개요

임상에서 어떻게 바뀌나

가장 큰 변화는 진료의 시점이 앞당겨진다는 점입니다. 지금은 환자가 위기를 겪고 응급실에 와야 의료 시스템이 작동합니다. LHBM은 그 전에 다음과 같은 흐름을 시도합니다.

  • 사전 예측: 일상의 행동 변화 패턴으로 위험 점수를 산출
  • 연속 모니터링: 진료 사이의 공백을 채워, 진료실 밖 상태를 보는 창
  • 정밀 권고: ‘이 환자에게는 어떤 개입이 효과가 있을지’를 데이터 기반으로 제안

파트너인 Providence Healthcare, MedStar Healthcare는 실제 병원 환경에서 이 흐름을 검증하는 역할을 맡습니다. 결국 모델은 임상 워크플로에 녹아들어야 의미가 있기 때문에, ‘병원 안에서 실제로 굴려본다’는 전제가 중요합니다.

왜 ARPA-H가 1,790만 달러를 걸었나

ARPA-H는 미국 보건복지부 산하의 첨단연구 조직입니다. ‘기존 의료 R&D로는 못 풀던 문제를, 위험을 감수하고서라도 빠르게 푼다’는 DARPA식 운영 방식이 특징입니다. 이 조직이 행동건강 AI에 베팅했다는 사실 자체가 신호입니다. 미국에서 자살, 약물 과용, 청년 우울증은 이제 임상 차원을 넘어선 사회·재정 부담이 됐습니다. 위기 발생 후 응급실·구금 시스템에 들이는 비용이 워낙 크기 때문에, ‘미리 잡으면 비용도 줄어든다’는 정책적 셈법이 또렷합니다.

닉 앨런 교수는 오리건대에서 청소년·성인의 우울과 자살을 모바일·웨어러블 센싱으로 탐지·예방하는 연구를 오래 해왔습니다. 학계의 연구 성과를 임상 현장에 연결하는 다리 역할을 Ksana Health가 맡고, 데이터셋과 모델의 표준을 ARPA-H 자금으로 굳히는 그림입니다.

실무자가 볼 핵심 포인트

  • 헬스케어 파운데이션 모델 트렌드: 의료 분야는 ‘GPT 같은 만능 모델’보다 도메인 전용 파운데이션 모델로 가는 흐름이 분명합니다. LHBM은 행동건강 버전이라고 보면 됩니다.
  • 센서 데이터 + EHR 통합: 진짜 차별점은 모델 자체가 아니라 데이터 파이프라인 설계입니다. 스마트폰/웨어러블 신호를 EHR과 시간 정렬해 학습 가능한 형태로 다듬는 것이 본격적인 엔지니어링 과제입니다.
  • 프라이버시·동의 우선 설계: 행동 데이터는 그 자체로 ‘심리 상태의 지문’에 가깝습니다. 동의 절차, 데이터 보관, 모델 재학습 정책을 처음부터 견고하게 짜야 임상 도입이 가능합니다.
  • 국내 적용 관점: 한국에서도 디지털 치료기기, 자살예방 핫라인, 보훈·군 정신건강 같은 영역에 비슷한 구조가 들어올 가능성이 높습니다. 미국 사례를 그대로 들여오기보다 국내 EHR 표준·통신사 데이터·웨어러블 보급률에 맞춘 데이터셋 설계가 출발점이 될 겁니다.
  • ‘한 줄’ 비즈니스 모델 메모: 행동건강 SaaS는 모델보다 데이터셋과 임상 파트너십이 진짜 해자입니다. 38,000명짜리 동의 기반 데이터셋이 결과적으로 ARPA-H 프로젝트의 최대 자산이 될 가능성이 큽니다.
  • 규제·보험 시점: 미국에서는 디지털 치료기기와 행동건강 도구가 점차 보험 코드를 받고 있습니다. LHBM 같은 예측 모델은 진료 보조 도구로 자리잡으면 임상의가 ‘이 환자는 다음 2주 안에 위험’이라는 신호를 보고 처방·상담 빈도를 조절하는 식으로 쓰일 수 있습니다.
  • 모델 정확도보다 ‘오탐 비용’: 정신건강 영역에서는 오탐(false alarm)이 환자·보호자에게 주는 부담이 큽니다. 정확도(precision)와 재현율(recall)을 어디서 균형 잡을지, 어떤 신호 조합에서 알람을 띄울지가 곧 제품의 핵심 의사결정입니다.
  • 장기 모니터링과 배터리·UX: 스마트폰·웨어러블에서 종일 데이터를 받으려면 사용자 입장에서 배터리, 알림 피로도, 데이터 동기화 안정성이 모두 잡혀야 합니다. 모델보다 이 부분에서 이탈하는 사용자가 훨씬 많을 가능성이 큽니다.

영문 인터뷰 영상 원본: ISMG는 닉 앨런 CEO와의 비디오 인터뷰에서 LHBM과 일반 LLM의 차이, 웨어러블·EHR 결합이 조기 개입에 주는 통찰, 동의 기반 대규모 데이터셋 구축 계획을 함께 다뤘습니다. 원문 페이지에서 인터뷰 영상을 확인할 수 있습니다.

원문 출처

원문 보기 (BankInfoSecurity / Marianne Kolbasuk McGee, 2026-06-22)