암 생존자들의 삶의 질에 영향을 미치는 독특한 정서적 어려움을 실시간으로 추적하기 위해 모바일 일기(짧은 텍스트 형태의 정서적 경험 기록)를 활용하는 방법이 제시되었다. 기존의 감정 분석 도구는 짧고 개인적인 모바일 일기 내용을 정확하게 해석하는 데 필요한 문맥적 이해가 부족하다는 한계를 가지고 있다. 본 연구는 대규모 언어 모델(LLM)과 검색 증강 생성(RAG)을 활용하여 암 생존자의 모바일 일기 내용을 분석하고 정서 상태를 예측하는 문맥 인식 감정 분석 프레임워크인 CALLM을 제안한다. CALLM은 (1) 검색된 동료의 경험을 문맥적 예시로 통합하고 (2) 개인의 시간적 정서적 궤적을 모바일 일기 내용에서 통합함으로써 기존 방법보다 예측 정확도를 향상시킨다. 407명의 암 생존자의 모바일 생태 순간 평가(EMA) 데이터를 수집하여 긍정적/부정적 정서, 정서 조절 욕구, 사회적 상호 작용의 질, 개입 가능성을 평가하고, 현재 정서적 경험을 유발하는 요인에 대한 공개 응답 형식의 일일 모바일 일기 내용을 분석하였다. 그 결과 CALLM은 긍정적 정서 72.96%, 부정적 정서 73.29%, 정서 조절 욕구 73.72%의 균형 잡힌 정확도를 달성하며 높은 성능을 보였다. 추가 분석 결과, 모델 신뢰도 활용, 더 긴 일기 작성 장려, 개인적 진실 데이터 통합이 예측 결과를 더욱 향상시키는 것으로 나타났다. 이러한 결과는 만성 질환 환자에게 LLM 기반 감정 분석을 적용할 수 있는 가능성을 보여주며, 암 생존자를 위한 개인 맞춤형 개입 방향을 제시한다.
