정신 건강 평가는 일반적으로 고립된 선별 도구(screening instruments)나 데이터 기반 모델에 의존하며, 이러한 방식은 해석 가능성(interpretability)과 다차원적 통합이 부족한 경우가 많습니다. 기존의 접근 방식은 우울증이나 불안과 같은 개별 지표에 집중하는 경향이 있어, 종합적이고 설명 가능한 의사결정을 위한 지원은 제한적입니다. 이러한 한계를 해결하기 위해, 본 연구는 임상적으로 검증된 선별 도구, 인지 평가(cognitive evaluation), 그리고 성격 프로파일링(personality profiling)을 단일 아키텍처 내에 통합하여 다차원적 정신 건강 평가를 수행하도록 설계된 하이브리드 지능형 의사결정 지원 프레임워크인 PsyBridge를 제안합니다. 제안된 프레임워크는 모듈형 설계(modular design)와 가중치 집계 메커니즘(weighted aggregation mechanism)을 사용하여 PHQ-9 및 GAD-7 평가와 함께 인지 및 행동 지표를 통합함으로써, 해석 가능한 정신 건강 위험 분류 및 권장 사항을 생성합니다. 프레임워크를 평가하기 위해, 임상적 근거에 기반한 점수 분포를 바탕으로 다양한 중증도를 나타내는 500개의 환자 프로필로 구성된 준합성 데이터셋(semi-synthetic dataset)을 구축하였습니다. 실험 결과, PsyBridge는 0.84의 전체 정확도(accuracy)를 달성하였으며, 이는 단독 PHQ-9 및 GAD-7 평가보다 우수한 성능을 보였을 뿐만 아니라 정밀도(precision), 재현율(recall), F1-score를 향상시켰습니다. 민감도 분석(Sensitivity analysis) 및 어블레이션 연구(ablation studies)를 통해 인지 및 성격 구성 요소를 통합하는 것이 더욱 안정적인 분류 성능에 기여하고 중간 위험(moderate-risk) 예측의 불일치를 줄인다는 점을 추가로 확인했습니다. 이러한 연구 결과는 PsyBridge가 특히 디지털 헬스케어 및 원격 의료(telehealth) 환경 내에서 AI 보조 정신 건강 의사결정 지원을 위한 확장 가능하고 해석 가능한 접근 방식을 제공함을 시사합니다.