배경: 첨단 바이오뱅크는 대규모 생물학적 및 임상 데이터의 수집과 통합을 통해 생의학 연구를 지원하는 데 점점 더 초점을 맞추고 있다. 본 연구는 한국 바이오뱅크 네트워크(Korea Biobank Network, KBN) 내 기관들이 표준화된 공통 데이터 모델을 사용하여 임상 정보를 효율적으로 수집하고 활용할 수 있도록 하는 빅데이터 플랫폼을 개발하는 것을 목적으로 하였다. 방법: KBN 바이오뱅크 연구정보 및 디지털 영상 교환(Biobank Research Information and Digital Image Exchange, BRIDGE) 플랫폼은 43개 바이오뱅크가 전자의무기록과 임상 데이터를 체계적으로 수집하고 업로드할 수 있도록 개발되었다. 이 플랫폼은 자동화된 품질 검증 및 기본 통계 전처리 기능을 포함하도록 설계되어, 복잡한 질의 없이도 사용자가 데이터를 효율적으로 분석할 수 있게 하였다. 또한 사용자들이 플랫폼에 대해 느끼는 만족도를 평가하기 위한 설문조사를 수행하였다. 결과: KBN BRIDGE 플랫폼을 통해 기관들은 39개 질환에 대한 임상 정보를 수집하고 통합하였다. 2021년부터 2023년까지 기관들이 수집한 총 136,473명의 환자 임상 데이터가 43,330개의 혈청 샘플, 33,352개의 혈장 샘플, 22,279개의 buffy coat 샘플을 포함하여 KBN 공통 데이터 모델에 업로드되었다. 35개 기관의 데이터 관리자를 대상으로 실시한 만족도 설문에서 플랫폼에 대한 평균 점수는 5점 만점 중 3.5점으로 보고되었다. 결론: 본 연구는 KBN BRIDGE 플랫폼이 다수의 바이오뱅크에 걸쳐 대규모 임상 정보를 체계적으로 수집, 통합, 관리할 수 있음을 개발 및 입증하였다. 또한 데이터 품질 관리와 전처리 통계 기능을 통해 여러 연구 응용 분야에서의 잠재력을 보여주었다. 향후 시스템 기능과 임상 정보 활용의 추가 개선은 다양한 연구 분야에서 플랫폼의 유용성을 더욱 향상시킬 수 있을 것이다.

배경: 본 연구는 수술 후 급성 신손상(PO-AKI)의 장기 사망률에 대한 함의와 관련된 지식의 공백을 다루고자 하며, 기존의 전통적 통계 모형보다 더 정확하게 예후를 예측하기 위해 고도화된 기계학습 기법을 활용한다. 방법: 2009년 3월부터 2019년 12월까지의 기간 동안 7개 기관의 자료를 사용하여 후향적 코호트 연구를 수행하였다. 기계학습 모형은 수술 전 변수 23개와 수술 후 변수 1개를 이용하여 PO-AKI 환자의 모든 원인 사망을 예측하도록 개발하였다. 모형 성능은 Cox 회귀 분석을 통한 전통적 통계적 접근과 비교하였다. 예측 성능 지표로는 일치도 지수(concordance index)를 사용하여 서로 다른 모형들 간의 예측 능력을 비교하였다. 결과: 199,403명의 환자 중 2,105명이 PO-AKI를 발생시켰다. 중앙 추적기간 144개월(사분위 범위, 99.61–170.71개월) 동안 입원 중 사망은 472건이 발생하였다. PO-AKI가 있는 대상은 그렇지 않은 대상보다 생존율이 유의하게 낮았다(p < 0.001). 사망 예측을 위한 일치도 지수에서 XGBoost와 가속 실패 시간(accelerated failure time) 모형이 0.7521로 가장 높았고, 그다음은 random survival forest(0.7371), 다변량 Cox 회귀 모형(0.7318), survival support vector machine(0.7304), gradient boosting(0.7277) 순이었다. 결론: 본 연구에서는 PO-AKI와 관련된 장기 사망률을 예측하기 위해 XGBoost와 가속 실패 시간 모형을 개발하였다. 이 모형의 성능은 기존의 관례적 모형보다 우수하였다. 기계학습 기법의 적용은 PO-AKI 이후의 사망을 보다 정확하게 예측하는 유망한 접근이 될 수 있으며, 환자 예후를 개선하기 위한 표적 중재 및 임상 지침 개발의 기반을 제공할 수 있다.

우리는 안와 컴퓨터 단층촬영(CT) 영상의 소규모 데이터셋에서 이상 안구운동근을 검출하기 위해 3차원(3D) 변분 오토인코더(variational autoencoder, VAE) 모델을 기반으로 하는 비지도 학습 알고리즘을 확립하고자 하였다. 정상 안와 334개와 갑상선 안병증(thyroid eye disease)으로 진단된 비정상 안와 96개를 훈련 및 검증에 사용하였으며, 시험에는 정상 안와 24개와 비정상 안와 11개를 사용하였다. 3D VAE를 개발하고 학습하였다. 모든 영상은 안구운동근을 강조하고 배경 잡음을 억제하도록 전처리하였다(예: 뼈에서 비롯된 높은 신호 강도). 최적의 절단값은 수신자 조작 특성(receiver operating characteristic, ROC) 곡선 분석을 통해 확인하였다. 모델이 비정상 크기의 근육을 검출하는 능력은 시각화를 통해 평가하였다. 모델은 민감도 79.2%, 특이도 72.7%, 정확도 77.1%, F1-score 0.667, AUROC 0.801을 달성하였다. 모델이 정확히 식별한 비정상 CT 영상은 안구운동근의 재구성에서 차이를 보였다. 제안된 모델은 의사가 사용하는 진단 접근과 유사하게, 소규모 데이터셋을 이용한 안구운동근의 이상 검출에 대한 잠재력을 보였다. 비지도 학습은 주석(annotation)이 어렵거나 불가능한 의학 영상 연구에서 대안적 검출 방법으로 활용될 수 있다.

목적: 스마트폰의 사용이 증가함에 따라 과도한 스마트폰 사용과 스마트폰 사용을 스스로 조절할 수 있는 능력의 감소를 포함한 여러 문제가 발생하였다. 이러한 문제를 예방하기 위해 MindsCare 앱을 개발하였으며, 이는 스마트폰 사용에 대한 평가를 바탕으로 한 자기관리 및 중재 방법이다. 우리는 개인화된 중재를 제공함으로써 스마트폰 사용을 관리하고 문제가 있는 스마트폰 사용을 예방하도록 MindsCare 앱을 설계하였다. 방법: 20세 이상의 한국인 참여자 342명을 모집하여 13주 동안 MindsCare를 사용하도록 요청하였다. 이후 평균 스마트폰 사용 시간과 앱의 사용성(usability)의 변화를 평가하였다. 우리는 기술수용모형(Technology Acceptance Model)을 기반으로 사용성 평가 설문지를 설계하고, 참여자 응답에 대해 요인 및 신뢰도 분석을 수행하였다. 연구 8주째에 참여자들은 앱의 사용성에 관한 설문에 응답하였다. 최종적으로 190명의 참여자로부터 데이터를 수집하였다. 결과: = 0.001). 구조방정식모형 분석 결과, 노력 기대(effort expectancy)와 성과 기대(performance expectancy)는 앱에 대한 행동 의도(behavior intention)와 양의 관계를 보였다. 결론: 본 연구를 통해 MindsCare 앱의 스마트폰 사용 시간 감소 효과를 확인하였고, 우수한 사용성을 입증하였다. 그 결과 MindsCare는 문제가 있는 스마트폰 사용을 줄이려는 사용자의 목표 달성에 기여할 수 있을 것으로 기대된다.

배경: 첨단 바이오뱅크는 대규모 생물학적 및 임상 데이터의 수집과 통합을 통해 생의학 연구를 지원하는 데 점점 더 초점을 맞추고 있다. 본 연구는 한국 바이오뱅크 네트워크(Korea Biobank Network, KBN) 내 기관들이 표준화된 공통 데이터 모델을 사용하여 임상 정보를 효율적으로 수집하고 활용할 수 있도록 하는 빅데이터 플랫폼을 개발하는 것을 목적으로 하였다. 방법: KBN 바이오뱅크 연구정보 및 디지털 영상 교환(Biobank Research Information and Digital Image Exchange, BRIDGE) 플랫폼은 43개 바이오뱅크가 전자의무기록과 임상 데이터를 체계적으로 수집하고 업로드할 수 있도록 개발되었다. 이 플랫폼은 자동화된 품질 검증 및 기본 통계 전처리 기능을 포함하도록 설계되어, 복잡한 질의 없이도 사용자가 데이터를 효율적으로 분석할 수 있게 하였다. 또한 사용자들이 플랫폼에 대해 느끼는 만족도를 평가하기 위한 설문조사를 수행하였다. 결과: KBN BRIDGE 플랫폼을 통해 기관들은 39개 질환에 대한 임상 정보를 수집하고 통합하였다. 2021년부터 2023년까지 기관들이 수집한 총 136,473명의 환자 임상 데이터가 43,330개의 혈청 샘플, 33,352개의 혈장 샘플, 22,279개의 buffy coat 샘플을 포함하여 KBN 공통 데이터 모델에 업로드되었다. 35개 기관의 데이터 관리자를 대상으로 실시한 만족도 설문에서 플랫폼에 대한 평균 점수는 5점 만점 중 3.5점으로 보고되었다. 결론: 본 연구는 KBN BRIDGE 플랫폼이 다수의 바이오뱅크에 걸쳐 대규모 임상 정보를 체계적으로 수집, 통합, 관리할 수 있음을 개발 및 입증하였다. 또한 데이터 품질 관리와 전처리 통계 기능을 통해 여러 연구 응용 분야에서의 잠재력을 보여주었다. 향후 시스템 기능과 임상 정보 활용의 추가 개선은 다양한 연구 분야에서 플랫폼의 유용성을 더욱 향상시킬 수 있을 것이다.

배경: 본 연구는 수술 후 급성 신손상(PO-AKI)의 장기 사망률에 대한 함의와 관련된 지식의 공백을 다루고자 하며, 기존의 전통적 통계 모형보다 더 정확하게 예후를 예측하기 위해 고도화된 기계학습 기법을 활용한다. 방법: 2009년 3월부터 2019년 12월까지의 기간 동안 7개 기관의 자료를 사용하여 후향적 코호트 연구를 수행하였다. 기계학습 모형은 수술 전 변수 23개와 수술 후 변수 1개를 이용하여 PO-AKI 환자의 모든 원인 사망을 예측하도록 개발하였다. 모형 성능은 Cox 회귀 분석을 통한 전통적 통계적 접근과 비교하였다. 예측 성능 지표로는 일치도 지수(concordance index)를 사용하여 서로 다른 모형들 간의 예측 능력을 비교하였다. 결과: 199,403명의 환자 중 2,105명이 PO-AKI를 발생시켰다. 중앙 추적기간 144개월(사분위 범위, 99.61–170.71개월) 동안 입원 중 사망은 472건이 발생하였다. PO-AKI가 있는 대상은 그렇지 않은 대상보다 생존율이 유의하게 낮았다(p < 0.001). 사망 예측을 위한 일치도 지수에서 XGBoost와 가속 실패 시간(accelerated failure time) 모형이 0.7521로 가장 높았고, 그다음은 random survival forest(0.7371), 다변량 Cox 회귀 모형(0.7318), survival support vector machine(0.7304), gradient boosting(0.7277) 순이었다. 결론: 본 연구에서는 PO-AKI와 관련된 장기 사망률을 예측하기 위해 XGBoost와 가속 실패 시간 모형을 개발하였다. 이 모형의 성능은 기존의 관례적 모형보다 우수하였다. 기계학습 기법의 적용은 PO-AKI 이후의 사망을 보다 정확하게 예측하는 유망한 접근이 될 수 있으며, 환자 예후를 개선하기 위한 표적 중재 및 임상 지침 개발의 기반을 제공할 수 있다.

우리는 안와 컴퓨터 단층촬영(CT) 영상의 소규모 데이터셋에서 이상 안구운동근을 검출하기 위해 3차원(3D) 변분 오토인코더(variational autoencoder, VAE) 모델을 기반으로 하는 비지도 학습 알고리즘을 확립하고자 하였다. 정상 안와 334개와 갑상선 안병증(thyroid eye disease)으로 진단된 비정상 안와 96개를 훈련 및 검증에 사용하였으며, 시험에는 정상 안와 24개와 비정상 안와 11개를 사용하였다. 3D VAE를 개발하고 학습하였다. 모든 영상은 안구운동근을 강조하고 배경 잡음을 억제하도록 전처리하였다(예: 뼈에서 비롯된 높은 신호 강도). 최적의 절단값은 수신자 조작 특성(receiver operating characteristic, ROC) 곡선 분석을 통해 확인하였다. 모델이 비정상 크기의 근육을 검출하는 능력은 시각화를 통해 평가하였다. 모델은 민감도 79.2%, 특이도 72.7%, 정확도 77.1%, F1-score 0.667, AUROC 0.801을 달성하였다. 모델이 정확히 식별한 비정상 CT 영상은 안구운동근의 재구성에서 차이를 보였다. 제안된 모델은 의사가 사용하는 진단 접근과 유사하게, 소규모 데이터셋을 이용한 안구운동근의 이상 검출에 대한 잠재력을 보였다. 비지도 학습은 주석(annotation)이 어렵거나 불가능한 의학 영상 연구에서 대안적 검출 방법으로 활용될 수 있다.

목적: 스마트폰의 사용이 증가함에 따라 과도한 스마트폰 사용과 스마트폰 사용을 스스로 조절할 수 있는 능력의 감소를 포함한 여러 문제가 발생하였다. 이러한 문제를 예방하기 위해 MindsCare 앱을 개발하였으며, 이는 스마트폰 사용에 대한 평가를 바탕으로 한 자기관리 및 중재 방법이다. 우리는 개인화된 중재를 제공함으로써 스마트폰 사용을 관리하고 문제가 있는 스마트폰 사용을 예방하도록 MindsCare 앱을 설계하였다. 방법: 20세 이상의 한국인 참여자 342명을 모집하여 13주 동안 MindsCare를 사용하도록 요청하였다. 이후 평균 스마트폰 사용 시간과 앱의 사용성(usability)의 변화를 평가하였다. 우리는 기술수용모형(Technology Acceptance Model)을 기반으로 사용성 평가 설문지를 설계하고, 참여자 응답에 대해 요인 및 신뢰도 분석을 수행하였다. 연구 8주째에 참여자들은 앱의 사용성에 관한 설문에 응답하였다. 최종적으로 190명의 참여자로부터 데이터를 수집하였다. 결과: = 0.001). 구조방정식모형 분석 결과, 노력 기대(effort expectancy)와 성과 기대(performance expectancy)는 앱에 대한 행동 의도(behavior intention)와 양의 관계를 보였다. 결론: 본 연구를 통해 MindsCare 앱의 스마트폰 사용 시간 감소 효과를 확인하였고, 우수한 사용성을 입증하였다. 그 결과 MindsCare는 문제가 있는 스마트폰 사용을 줄이려는 사용자의 목표 달성에 기여할 수 있을 것으로 기대된다.

배경: 텔레메디신과 전자건강(eHealth) 기술의 적용은 COVID-19 팬데믹 기간 동안 그 중요성이 더욱 커졌으며, 개인 데이터 관리 및 처리에 대한 새로운 접근인 MyData가 등장하였다. 데이터 포터빌리티와 정보적 자기결정은 MyData의 핵심 개념이다. 본 연구는 개인이 자신의 개인 데이터를 스스로 결정할 권리를 반영하는 MyData 플랫폼의 수용에 영향을 미치는 요인을 분석하였다. 방법: 본 연구에는 MyData 플랫폼을 사용해 본 경험이 있는 참여자들이 포함되었고, 연구 모형에는 기술수용과 이용에 관한 통합이론의 핵심 요인(성과기대, 노력기대, 사회적 영향, 촉진조건, 사용의도)을 사용하였다. 설문지는 27개 문항으로 구성되었으며, 구조방정식 모형을 통해 사용의도가 실제 사용행동에 영향을 미친다는 점을 확인하기 위해 시스템 사용 로그 데이터를 사용하였다. 결과: 총 1,153명의 참여자가 설문에 응답하였다. 구조방정식 모형의 적합도 지수는 자료가 연구 모형에 전반적으로 잘 부합함을 나타냈다. 성과기대, 사회적 영향, 촉진조건은 사용의도에 직접적인 영향을 미쳤다. 또한 시스템 사용 로그 데이터를 사용하여 사용의도가 실제 사용행동에 긍정적으로 영향을 미친다는 점을 확인하였다. 통합이론의 주요 요인들이 미치는 영향은 성과기대를 제외하고는 연령이나 성별에 의해 조절되지 않았다. 결론: 본 연구는 한국의 개인 건강기록 데이터 공유 시스템을 바탕으로 MyData 플랫폼의 사용에 영향을 미치는 요인을 처음으로 검토하였다. 또한 각 기능별로 시스템의 실제 사용 로그를 활용하고 사용의도가 실제 사용에 미치는 영향을 분석하여 MyData 플랫폼의 사용행동을 확인하였다. 본 연구는 데이터 포터빌리티 및 공유 개념의 수용에 대한 중요한 기반을 제공하며, 팬데믹 시대의 데이터 경제 및 생태계 확장을 위한 토대가 될 것이다.

배경: 흡연 중단은 전 세계적인 과제로 남아 있으며, 전통적인 치료는 순응도 저하와 접근성 문제로 인해 장기적인 성공률이 제한적이다. 모바일 앱 및 가상현실(virtual reality, VR) 기반 중재와 같은 디지털 치료는 흡연 중단 치료에 대한 혁신적인 해결책을 제공할 수 있다. NICO-THERA는 니코틴 의존을 다루기 위해 인지행동치료(cognitive behavioral therapy, CBT)와 동기강화치료(motivational enhancement therapy, MET)를 통합한 디지털 치료 프로그램이다. 목적: 본 연구는 니코틴 의존이 있는 개인을 대상으로 흡연 중단을 지원하기 위한 VR과 모바일 앱을 결합한 디지털 치료 중재인 NICO-THERA의 안전성 및 효능을 평가하는 것을 목적으로 한다. 일차 평가지표의 주요 초점은 12주 중재 기간 동안의 흡연 금연(금연 유지), 니코틴 의존 감소, 그리고 금연 동기이다. 방법: 본 공개라벨, 탐색적 무작위 대조시험은 30명의 참여자를 디지털 치료군(DTG; n=15, 평균 연령 43.1세, 하루 평균 흡연 개비 수 9.5) 또는 기본 치료군(BTG; n=15, 평균 연령 48.7세, 하루 평균 흡연 개비 수 9.2)에 무작위 배정하였다. DTG는 VR 세션(이완 훈련, 갈망 대처, 거절 기술)과 일일 치료적 연습을 위한 모바일 앱 기반 CBT 및 MET 모듈을 포함하는 NICO-THERA 프로그램을 제공받았다. BTG는 영상 교육과 인쇄물로 구성된 기본 관리를 제공받았다. 일차 평가지표는 8주 및 12주에서의 7일 시점유병률 금연(7-day point prevalence abstinence, PPA)과 30일 PPA였다. 이차 평가지표에는 니코틴 의존도(Fagerström Test for Nicotine Dependence [FTND])와 변화 동기(Staging of Change Readiness and Treatment Eagerness Scale-Smoking [SOCRATES-S])가 포함되었다. 결과: DTG와 BTG 간 7일 및 30일 PPA에는 유의한 차이가 없었다. 그러나 집단 내 분석에서는 DTG가 8주차에 7일 및 30일 PPA에서 모두 유의한 개선을 보였으며(z=-2.00, P=.046), 모든 시점에서 흡연 일수와 담배 소비량이 일관되게 감소하였다. BTG는 8주차에 담배 소비량이 유의하게 감소한 것으로만 나타났다. 또한 DTG는 12주차에 BTG에 비해 동기 수행 단계가 유의하게 증가하였다(U=19.00, P=.048). 보고된 기기 관련 이상반응은 없었다. 금연 일지 및 약물 기록에 대한 순응도는, 연구를 완료한 자들을 대상으로 한 12주 평균 순응도에 근거할 때 DTG에서 더 높았으며(평균 84일 중 83일, 99%; 9명), BTG에서는(평균 84일 중 74일, 88%; 12명) 더 낮았다. 결론: NICO-THERA 디지털 치료 프로그램은 니코틴 의존 감소에 대한 예비적 효능을 보여주었다. 더불어 DTG 군의 참여자들은 8주차에 양가감정의 유의한 감소로, 12주차에 적극적인 금연 노력의 증가로 반영된 바와 같이 금연 동기가 점진적으로 개선되었다. 이러한 결과는 NICO-THERA 프로그램 내에서 MET와 CBT를 구조적으로 통합하는 것이 흡연 중단에 대한 심리적 준비도를 효과적으로 강화하여 행동 변화에 대한 지속적 헌신을 촉진함을 시사한다. 시험 등록: Clinical Research Information Service, Republic of Korea KCT0009801; https://cris.nih.go.kr/cris/search/detailSearch.do?seq=28285&status=5&seq_group=28285&search_page=M.

배경: 수술 후 급성 신손상(AKI)은 전신마취 하에서 시행되는 수술과 관련된 중요한 위험으로, 사망률과 이환율을 증가시키는 경우가 흔하다. 수술 후 AKI에 대한 기존 예측 모형은 대개 특정 수술 분야에 국한되어 있거나 외부 검증이 필요하다. 목적: 여러 기계학습 방법을 이용하여 수술 후 AKI에 대한 예측 모형을 구축하고자 하였다. 방법: -score. 결과: 분석한 239,267건의 수술 가운데 7,935건의 수술 후 AKI 사례가 확인되었다. 수술 전 38개 예측 인자를 사용한 모형들은 심층 신경망(deep neural network, AUC=0.832), light gradient boosting machine(AUC=0.836), 로지스틱 회귀(logistic regression, AUC=0.825)가 AKI 위험 예측에서 더 우수한 성능을 보임을 나타냈다. 이후 심층 신경망 모형을 임상에서 사용할 수 있도록 사용자 친화적인 웹사이트로 개발하였다. 결론: 본 연구는 수술 전 데이터를 활용하여 임상 환경에 적용 가능한 견고하고 고성능의 AKI 위험 예측 시스템을 제시한다. 이러한 모형의 사용자 친화적 웹사이트로의 통합은 개인화된 환자 치료 및 위험 관리에서 임상적 유용성을 높이며, 중요한 진전을 제공한다.

배경: 본 연구는 기억 검사를 통해 청소년의 반응을 분석하고, 과제와 무관한 뇌 연결성을 검토함으로써 청소년 충동성의 잠재적 행동 및 신경 바이오마커를 탐색하였다. 방법: 본 연구는 즉시 및 지연 기억 과제와 유사한 방해기억 과제(SMT)를 함께 사용하여 청소년 충동성과 그것이 신경 인지 통제 전략과 갖는 상관관계를 살펴보았다. 총 95명의 건강한 우측손잡이 청소년(여성 27명, 평균 연령 14.9세)이 기능적 자기공명영상(fMRI) 촬영 세션에 참여하였다. 결과: 충동성이 높을수록 표적 시행에서의 오류 수가 증가하고, 잡기 시행(catch trials)에서의 오경보(false alarms) 발생률이 더 높게 나타났다. 섬엽(insula) 및 등쪽 전측 대상피질(dorsal anterior cingulate cortex, dACC)을 포함하는 신경 활동과 연결성은 행동 반응과 개인의 충동성과 유의하게 관련되었다. 특히, 섬엽과 청색반점(locus coeruleus, LC), 그리고 dACC와 LC 사이의 과제 조절 결합(task-modulated) 및 휴지상태(내재적, intrinsic) 결합 모두가 충동성과 유의한 정적 상관관계를 보였다. 이러한 결과는 섬엽-LC 및 dACC-LC 연결 강도가 충동성의 신뢰할 만한 지표임을 시사한다. 결론: 본 결과는 정면성(salience) 네트워크와 노르아드레날린성 청색반점(LC) 간의 연계가 충동성에 대한 일관된 신경 지표로 기능할 수 있음을 보여준다. 본 연구는 이 방법이 충동성에 대한 신뢰할 만한 뇌 바이오마커를 구별해 낼 수 있으며, 청소년기에 자기통제(self-control)를 향상시키기 위한 중재를 안내할 수 있음을 시사한다.

ESU는 성격 특성 측면에서 보정하지 않은 역치에서 낮은 지속성과 관련이 있었으며, salience network의 핵심 허브인 MCC, insula 및 여러 다른 뇌 영역 사이에서 신경 기능적 변화에 관여하였다. 이러한 결과는 청소년의 행동 중독에 대한 개입을 표적화하는 데 있어 신경생물학적 기반을 제공할 수 있다. 따라서 지속성이 낮은 청소년은 스마트폰 및 인터넷 기반 기술의 적절하고 통제된 사용에 관한 맞춤형 교육이 필요할 수 있다.