Boston Neuromind 연구 논문 Boston Neuromind Research Papers

초록 (Abstract)Abstract

배경. 디지털 정신건강 플랫폼이 빠르게 확산되고 있으나 대부분은 단일 증상(예: 우울 또는 불안) 스크리닝에 머물러 있으며, 다중 증상이 동시에 존재하는 실제 임상 환경에서 개인별 치료 경로를 동적으로 산출하는 시스템은 드물다. Background. Digital mental-health platforms are proliferating rapidly, yet most remain confined to single-symptom screening (e.g., depression or anxiety alone). Systems that can dynamically yield individualized treatment pathways under the multi-symptom, comorbid conditions that characterize real-world clinical settings remain scarce.

방법. 본 연구는 Boston Neuromind의 평가 엔진을 기반으로, 16개 핵심 증상 모듈의 출력을 베이지안 다중 모듈 융합을 통해 통합하고, DSM-5-TR / ICD-11 정합성을 유지하면서 개인별 치료 경로(Symptom-Specific Pathway, SSP)를 자동 산출하는 AI 엔진을 제안한다. 임상의 검토 루프, 안전 프로토콜, 한국어/영어 이중 언어 인터페이스가 통합된다. Methods. Building on the Boston Neuromind assessment engine, we propose an AI engine that fuses the outputs of 16 core symptom modules via Bayesian multi-module fusion to automatically generate Symptom-Specific Pathways (SSPs) while remaining aligned with DSM-5-TR / ICD-11. A clinician-review loop, safety protocols, and a bilingual Korean/English interface are integrated end-to-end.

결과 및 결론. 사례 시뮬레이션에서 다중 증상 입력 시에도 단조 증가하는 진단 신뢰도와 임상의-친화적 치료 경로 생성이 가능함을 확인하였다. 본 시스템은 Boston Neuromind LLC의 임상 데이터로 추가 검증되고 있으며, FDA 510(k) Class II 경로를 염두에 둔 디지털 치료 인프라의 청사진을 제공한다. Results & Conclusion. Case-based simulations demonstrate that diagnostic confidence increases monotonically as additional symptom inputs accumulate, while still producing clinician-friendly treatment pathways. The system is being further validated on Boston Neuromind LLC clinical data and provides a blueprint for digital-therapeutic infrastructure aligned with the FDA 510(k) Class II pathway.