본 논문은 우울증 조기 진단을 위한 상호작용적 우울증 탐지 프레임워크(PDIMC)를 제안한다. 기존의 우울증 탐지 연구는 다층 신경망 모델을 사용하여 임상 면접 대화의 계층적 구조를 포착하지만, 주제 간/내 상관관계를 명시적으로 모델링하지 못하고 임상의의 개입을 허용하지 않는 한계가 있다. PDIMC는 컨텍스트 학습 기법을 활용하여 임상 면접의 주제를 식별하고, 주제 간/내 상관관계를 모델링한다. 또한, AI 기반 피드백을 통해 임상의의 관심사를 반영하여 주제 중요도를 조정할 수 있도록 상호작용적인 기능을 제공한다. DAIC-WOZ 데이터셋에서 기존 최고 성능 모델 대비 35% 및 12%의 성능 향상을 달성하여 주제 상관관계 모델링과 상호작용적 외부 피드백 통합의 효과를 보여준다.
