연구자들이 사람들의 말하기 방식을 분석하여 높은 정밀도로 조현병을 식별할 수 있는 새로운 인공지능 도구를 개발하고 있다. 고급 머신러닝을 활용하는 이러한 기술적 접근 방식은 임상의들이 이 복잡한 정신 건강 질환을 앓는 환자들에게 더 빠른 진단을 제공할 수 있도록 지원하는 것을 목표로 한다. 목소리의 소리와 언어의 특정 구조를 모두 조사함으로써, 이러한 새로운 방법은 전통적인 의료 평가 과정에서 인간의 귀가 놓칠 수 있는 미세한 패턴을 감지할 수 있는 길을 제시한다.
조현병은 개인의 현실 인식, 사고, 그리고 감정 조절에 간섭하는 심각한 질환이다. 정신병적 질환을 앓는 많은 이들에게 적절한 진단을 받는 과정은 종종 길고 험난하다. 미국에서는 300만 명 이상의 사람들이 조현병을 앓고 있다. 현재 이러한 질환을 앓는 이들은 첫 증상이 나타난 후 평균 1년 반이 지나서야 공식 진단을 받는다. 이러한 지연은 질환이 진행되는 초기에 효과적인 치료를 시작하는 것을 더 어렵게 만들 수 있다.
이러한 과제를 해결하기 위해 네덜란드의 한 연구팀이 언어 패턴 분석을 위해 설계된 특화된 AI 프로그램을 개발했다. 이 소프트웨어는 단어의 의미를 듣는 대신 소리의 물리적 특성에 집중한다. 연구진은 머신러닝 모델을 학습시키기 위해 말하기의 88가지 서로 다른 특징을 측정하는 소프트웨어를 사용했다. 이러한 특징에는 목소리의 크기, 단어 사이의 휴지 길이, 모음 발음 방식, 그리고 화자가 사용하는 억양 등이 포함된다. 이러한 특정 오디오 요소들을 연구함으로써, 네덜란드 AI 프로그램은 조현병 환자와 건강한 대조군을 86.2%의 정확도로 구별해낼 수 있었다.
데이터에 따르면 조현병 환자의 언어는 종종 특정한 패턴을 따른다. 이들의 말투는 건강한 사람들에 비해 더 파편화되는 경향이 있다. 구체적으로 연구진은 환자들이 긴 휴지로 분리된 음절 뭉치를 자주 생성한다는 사실을 발견했다. 이러한 언어 흐름의 중단은 AI가 질환의 존재를 식별할 수 있는 수학적 방법을 제공한다. 머신러닝 모델은 이 88가지 특징의 분석을 자동화할 수 있기 때문에, 인간 임상의가 수동으로 하는 것보다 훨씬 빠르게 방대한 양의 오디오 데이터를 처리할 수 있다.
네덜란드 연구가 언어의 소리와 리듬에 집중한 반면, 또 다른 연구자는 실제로 말하는 내용에 주목하고 있다. Feinstein Institutes for Medical Research의 연구원인 Sunny Tang은 언어 패턴을 연구하기 위해 다른 유형의 머신러닝 모델을 활용해 왔다. 소리의 크기나 휴지에 집중하기보다, Tang의 접근 방식은 단어 자체를 살핀다. 이 방법은 사람의 음성을 기록한 전사 데이터에서 발견되는 각 단어에 수학적 주소를 부여하는 과정을 포함한다.
단어를 이러한 수학적 주소로 변환함으로써, 모델은 서로 다른 용어와 문장 구조 사이의 관계를 분석할 수 있다. 이를 통해 기술적으로 대화의 언어적 내용을 조사하여 질환의 징후를 찾아낼 수 있다. 이 방법은 문제에 접근하는 두 번째의 뚜렷한 경로를 제공한다. 하나는 오디오 특징을 통해 말하는 '방식'을 보는 것이고, 다른 하나는 수학적 단어 분석을 통해 말하는 '내용'을 보는 것이다. 이 두 가지 서로 다른 기술적 경로는 인공지능이 환자의 정신 상태에 대해 어떻게 더 완전한 그림을 제공할 수 있는지를 보여준다.
이러한 작업에 머신러닝을 사용하는 능력은 의료 전문가들이 정신 건강에 접근하는 방식의 중대한 변화를 의미한다. 전통적인 진단은 환자의 증상과 병력을 듣고 결정을 내려야 하는 임상의의 관찰에 크게 의존한다. 인간의 전문 지식도 필수적이지만, 휴지의 특정 타이밍이나 모음 발음의 미세한 변화와 같은 언어의 미세한 변화는 일관되게 수치화하기 어려울 수 있다. AI 도구는 이러한 관찰을 표준화하는 데 도움이 되는 정밀도를 제공할 수 있다.
조기 발견의 가능성은 이 연구의 가장 중요한 목표 중 하나다. 만약 이러한 AI 도구들이 임상 현장에 통합될 수 있다면, 현재 증상 발현과 공식 진단 사이의 간극을 줄이는 데 도움이 될 수 있다. 이 시간 범위를 단축하는 것은 정신 건강 질환 관리에 핵심적인 요소인 조기 개입을 가능하게 할 수 있다. 기술이 계속 발전함에 따라, 이러한 언어 패턴의 탐지를 자동화하는 능력은 진단 과정의 표준적인 부분이 될 수 있다.
전문가들은 이러한 디지털 도구의 통합이 정신과 진료의 지형을 근본적으로 바꿀 수 있다고 시사한다. 객관적인 데이터를 제공함으로써, 이러한 모델들은 의료 전문가들에게 보조적인 확인 수단 역할을 하여 임상적 관찰을 확인하거나 명확히 하는 데 도움을 줄 수 있다. 이는 진단이 주관적인 해석에만 의존하기보다 측정 가능한 수학적 증거에 의해 뒷받침되는, 정신 건강에 대한 더 표준화된 접근 방식으로 이어질 수 있다. 이러한 발전은 결과적으로 정신병적 질환을 앓는 수백만 명의 사람들을 위한 격차를 해소하는 데 기여할 수 있다.
연구자들이 이러한 모델을 지속적으로 개선함에 따라, 기술과 정신의학의 접점은 인간의 뇌를 이해하는 새로운 방법을 제시할 것으로 기대된다. 네덜란드와 Feinstein Institutes에서 이루어지는 연구는 우리가 말하는 방식에 우리의 정신 건강에 대한 깊고 측정 가능한 정보가 담겨 있음을 보여준다. 언어를 데이터로 변환함으로써, 과학자들은 결국 수백만 명의 사람들이 오늘날보다 훨씬 더 빨리 필요한 도움을 받을 수 있도록 돕는 새로운 도구들을 만들어내고 있다.
궁극적으로 이러한 기술적 발전의 목표는 조현병의 영향을 받는 사람들의 삶을 개선하는 것이다. 환자들이 음절을 생성하고 휴지를 관리하는 독특한 방식, 또는 언어의 수학적 구조를 통해 질환을 식별함으로써, 연구자들은 진단이 신속하고 매우 정확한 미래를 만들기를 희망한다. 이러한 머신러닝 모델이 더욱 정교해짐에 따라, 정신 질환의 미세한 징후를 감지하는 능력은 현대 의학의 필수적인 부분이 될 수 있다.
💡 알아두면 좋은 배경 지식
- Schizophrenia is a disorder that interferes with people's perception of reality, thinking, and emotional regulation [S4]
- Americans with psychotic disorders—more than three million of whom have schizophrenia—receive a diagnosis an average of one and a half years after their first symptoms appear [S4]
- A team of researchers in the Netherlands used software to measure 88 features, such as loudness, length of pauses, vowel pronunciation, and intonation, to train an AI program [S4]
- The Dutch AI program differentiated schizophrenic patients from healthy controls with 86.2 percent accuracy [S4]
- Schizophrenic patients' speech tended to be more fragmented, with bursts of syllables separated by longer pauses [S4]
- Sunny Tang, a researcher at the Feinstein Institutes for Medical Research, used a machine learning model to assign a mathematical address to each word in a transcript [S4]
- === ALLOWED MEDIA OUTLETS (Writer may cite ONLY these) ===
- www.theguardian.com
- feeds.arstechnica.com
- feeds.bbci.co.uk
- www.smithsonianmag.com