웨어러블 기반 스트레스 감지에서 개인 간 생리적 반응 차이로 인한 개인화(personalization) 문제를 해결하기 위해, 라벨링된 사용자 데이터 없이 동결된 외부 도메인 파운데이션 모델로 유사 패턴을 검색해 경량 transformer에 주입하는 검색-증강 개인화(retrieval-augmented personalization) 방식을 제안한다. WESAD 데이터셋에서 비개인화 baseline 대비 정확도 +3.92%, macro F1 +4.76% 향상을 달성했으며, K-Emocon 임베딩을 활용한 크로스 데이터셋 검색 시나리오에서도 효과를 입증했다.
참전 용사의 외상 후 스트레스 장애(PTSD)는 임상 환경 외부에서 모니터링하고 관리하기 어려운 지속적인 과각성(hyperarousal)과 동반된 불안 및 우울 증상이 특징입니다. 텍사스에서 열린 Project Hero 사이클링 행사에 참여한 13명의 참전 용사는 실제 환경에서 컴퓨터 생성 순서를 통해 두 군으로 무작위 배정되었습니다: (1) 디지털 개입과 신체 활동 병행, 또는 (2) 신체 활동만 수행. 또한 더 넓은 Project Hero 참전 용사 커뮤니티에서 선정된 7명의 참전 용사로 구성된 세 번째 재택 모니터링 대조 코호트가 포함되었습니다. 연속적인 스마트워치 센싱은 심박수와 가속도계 특징을 결합하여 과각성 이벤트를 감지했으며, 이는 참가자에 의해 실시간으로 확인되었습니다. 불안, 우울, PTSD 심각도에 대한 주간 자가 보고 측정치가 수집되었습니다. 일반화 가법 혼합 모델(Generalized Additive Mixed Models)을 사용하여 시간에 따른 비선형 궤적을 특성화했습니다. 기준선(baseline)으로 정규화된 과각성 궤적은 조건 간에 유의미한 차이를 보였으며, 디지털 개입 그룹(n=7)은 신체 활동만 수행한 그룹(n=3)의 연구 후반기 급증과 비교하여 구조적인 안정화를 보였습니다. 두 사이클링 그룹 모두 지구력 행사 중 급성 증상 개선을 보였으나, 디지털 개입 그룹은 전반적으로 개선 효과를 더 높게 유지했습니다. 재택 대조 그룹(n=4)은 점진적인 증상 감소를 보였습니다. ML 감지에 대한 인지된 정밀도(precision)는 개인마다 크게 달랐으며 증상 심각도와 양의 상관관계를 보였는데, 증상이 더 심각한 참가자가 감지된 이벤트의 더 큰 비율을 확인했습니다. 이러한 결과는 웨어러블 감지와 디지털 자가 관리 도구의 결합이 과각성의 안정화와 증상 개선을 지원할 수 있음을 시사하며, 웨어러블 정신 건강 시스템에서 개인화와 인간 중심 설계의 중요성을 강조합니다.