환자들이 트위터로 스스로 병 이름을 붙이면, AI는 그 280만 건의 목소리에서 무엇을 읽어낼까?

무슨 연구인가

롱코비드는 의사들이 인정하기 전에 환자들이 먼저 이름 붙인 특이한 병이에요. 이 연구는 트위터에 쏟아진 환자들의 목소리를 텍스트마이닝으로 분석해, 흩어진 개인의 호소가 어떻게 하나의 '지식 공동체'로 뭉쳤는지 추적합니다.

🔬 어떻게 분석했나

① 먼저 #LongCOVID가 붙은 트윗 280만 건을 모았어요. 사람이 다 읽을 수 없는 양이죠. 그래서 '토픽모델링'을 씁니다 — 수많은 글에서 자주 함께 등장하는 단어 뭉치를 자동으로 묶어 '숨은 주제'를 찾아내는 기법이에요. 이렇게 증상 기록, 의료 무시 경험, 정책 요구 같은 7개 큰 주제가 드러났습니다.
② 컴퓨터가 뽑은 주제가 실제로 말이 되는지 사람이 검증합니다. 280만 건 중 대표적인 5,100건을 골라 직접 읽고 분류하는 '내용분석'을 했어요 — 기계의 자동 분류에 사람의 눈을 더해 정확도를 높이는 단계입니다.
③ 다음은 '누가 누구와 연결되는가'를 봅니다. 계정들의 팔로우·상호작용 관계를 지수랜덤그래프모형(ERGM)으로 분석했어요 — 네트워크에서 연결이 우연이 아니라 어떤 규칙으로 생기는지를 통계로 검정하는 도구입니다.
④ 마지막으로 영향력이 큰 상위 100개 계정의 프로필과 각 10개 트윗을 살펴, 사용자를 4가지 역할(정보 전달자·공동체 조직가 등)로 유형화했습니다.

📊 무엇을 찾았나

사람들의 연결은 정책 싸움보다 '서로 정보를 나누고 공동체를 만드는' 행동을 중심으로 생겼고, 이 환자 커뮤니티는 놀랍게도 몇 달 만에 WHO의 공식 인정까지 이끌어냈어요 — 비슷한 다른 질병들이 수십 년 걸린 것과 대조적입니다.

💡 내 연구에 가져갈 것

소셜미디어 텍스트를 다룰 땐 토픽모델링으로 큰 그림을 잡고, 표본을 사람이 직접 읽어 검증하는 '자동+수동' 2단 구조가 신뢰도를 크게 높여줘요.

📄 논문 정보

Patient-made knowledge networks: Long COVID discourse, epistemic injustice, and online community formation
Tawfiq Ammari
Social Science & Medicine · 2026-07-14
원문 보기 ↗