Canary Speech 인공지능으로 알츠하이머병을 진단하는 기술 개발
알츠하이머병은 진단하기 어려운 것으로 알려져 있습니다. 보통 의사들은 인지 검사, 뇌 영상 촬영, 행동 관찰을 결합해 사용하는데, 이는 비용이 많이 들고 시간도 오래 걸릴 수 있습니다. 하지만 집에서 사람에게서 쉽게 채취할 수 있는 짧은 음성 샘플로 알츠하이머병 환자를 식별할 수 있다면 어떨까요?
Canary Speech 회사가 바로 이 기술을 개발하고 있습니다. 이 회사의 알고리즘은 딥러닝을 사용해 짧은 음성 샘플을 분석하여 알츠하이머병과 기타 질환의 징후를 찾습니다. 딥러닝 공급업체 Syntiant는 최근 Canary Speech와의 협력을 발표했으며, 이를 통해 Canary는 주로 진료실과 병원에서 사용되는 기술을 의료기기를 활용해 개인의 가정으로 옮길 수 있게 됩니다.
일부 연구에서는 음성 및 기타 유형의 데이터를 활용한 딥러닝 방법이 실험실 환경에서 알츠하이머병 및 기타 질환이 있는 사람들을 분류하는 데 매우 정확하다는 것을 보여주었지만, 실제 환경에서는 결과가 다를 수 있습니다. 그럼에도 인공지능과 딥러닝 기법은 까다로운 진단을 내리는 데 유용한 도구가 될 수 있습니다.
대부분의 사람들은 알츠하이머병이 가장 흔한 형태의 치매로서 기억력에 영향을 준다고 생각합니다. 하지만 연구에 따르면 알츠하이머병은 대부분의 증상이 뚜렷해지기 전인 아주 초기 단계에서도 말하기와 언어에 영향을 미칠 수 있습니다. 사람들은 보통 이러한 미묘한 변화를 알아차리지 못하지만, 이러한 상태가 있는 사람과 없는 사람 수만 명의 음성으로 학습한 딥러닝 모델은 이러한 차이를 구별할 수 있습니다.
“관심을 가질 만한 것은 중추신경계가 음성 생성을 통해 전달하는 정보입니다. Canary Speech가 하는 일이 바로 이 데이터 세트를 분석하는 것입니다”
지금까지 이 알고리즘은 클라우드 기반이었지만, Canary와 Syntiant의 협력을 통해 칩 기반 애플리케이션을 사용할 수 있게 되었습니다. 이는 더 빠르게 작동하며 더 많은 메모리와 저장 용량을 갖추고 있습니다.
이 새로운 기술은 웨어러블 기기에 탑재되도록 설계되었으며, 20초 또는 30초 길이의 음성 샘플을 1초도 안 되는 시간에 분석해 알츠하이머병은 물론 불안, 우울증, 심지어 전반적인 에너지 수준까지 살펴봅니다. O'Connell은 알츠하이머병이 있는 사람과 없는 사람의 목소리를 구별하는 데 있어 Canary 시스템의 정확도가 약 92.5%라고 밝혔습니다.
일부 연구에서는 우울증과 불안 같은 상태가 말하기에 영향을 준다고 제시하고 있으며, O'Connell은 Canary가 이러한 상태를 감지하는 알고리즘의 정확도를 테스트하고 높이기 위해 노력하고 있다고 말했습니다.
Canary Speech와 유사한 제품을 만드는 Winterlight Labs의 공동창업자이자 토론토대학교 컴퓨터공학과 부교수인 Frank Rudzicz에 따르면, 다른 음성 기술들도 비슷한 성과를 거두었습니다. 2016년 연구에서 Rudzicz와 다른 연구원들은 단순한 기계학습 방법을 사용해 알츠하이머병이 있는 사람과 없는 사람의 말하기를 약 81%의 정확도로 분석했습니다.
“딥러닝에서는 원시 데이터를 이러한 심층 신경망에 그대로 입력하면, 심층 신경망이 스스로 내부 표현을 자동으로 만들어 냅니다”
모든 딥러닝 알고리즘과 마찬가지로 이것도 '블랙박스'를 만들어 내는데, 이는 알고리즘이 음성의 어떤 측면에 주목하는지 정확히 알 수 없다는 뜻입니다. 그의 말에 따르면, 딥러닝 덕분에 이러한 알고리즘의 정확도는 90%를 넘어섰습니다.
이전에는 프로그래머들이 MRI와 같은 뇌 영상 기술과 함께 딥러닝을 사용했습니다. 연구에서 이러한 방법 중 다수는 비슷하게 정확했으며, 일반적으로 90% 이상의 정확도를 보였습니다.
2021년 12월에 진행된 연구에서 프로그래머들은 알고리즘이 인지 기능이 정상인 사람의 뇌와 알츠하이머병 환자의 뇌를 구별할 뿐만 아니라, 경도인지장애 환자의 뇌도 구별하도록 성공적으로 학습시켰습니다. 경도인지장애 환자는 많은 경우 알츠하이머병의 초기 전단계이며, 이들의 뇌는 정상인의 뇌와 같거나 알츠하이머병 환자의 뇌와 더 비슷했습니다. 경도인지장애 환자 모두가 알츠하이머병으로 진행되는 것은 아니기 때문에 이러한 하위 유형을 구별하는 것은 특히 중요합니다.
“우리는 알츠하이머병 연속체에 따라 사람들을 분류하는 방법을 갖고 싶어 합니다. 이는 알츠하이머병이 발병할 수 있는 대상자들입니다.”
다얀에 따르면, 이러한 환자들을 가능한 한 일찍 찾아내는 것이 질병의 효과적인 치료에 결정적인 역할을 할 가능성이 큽니다. 일반적으로 스캔 기반 딥러닝은 적어도 실험실에서 진행되는 분류 연구에서는 이와 같은 높은 수준의 효율을 보입니다.
이러한 기술이 실제 환경에서도 같은 효과를 낼지는 아직 알려지지 않았지만, 대체로 잘 작동할 가능성이 큽니다. 과학자들은 이를 확실히 알기 위해 추가 연구가 필요하다고 말했습니다.
다얀에 따르면 또 다른 우려 요인은 알고리즘이 학습하는 데이터에 다양성이 부족할 경우 AI가 숨길 수 있는 잠재적 편향입니다. 최근 연구들이 이를 보여주었습니다. 예를 들어 루진은 토론토 주민들의 음성 샘플로 학습된 알고리즘이 농촌 지역에서는 같은 수준으로 작동하지 않을 수 있다고 말했습니다.
오코넬은 Canary Speech 알고리즘이 음성의 비언어적 요소를 분석하며, 일본과 중국 등 다른 국가에서 사용되는 기술의 버전은 원어민 데이터를 사용해 학습된다고 말했습니다. 그는 "우리는 이 시스템과 이 환경에서 모델을 검증하고 학습시켜 성능을 높이고 있습니다"라고 말했습니다.
Canary와 Syntiant의 협력으로 실시간 원격 모니터링이 가능해질 수 있지만, 오코넬은 공식 진단은 의사가 내려야 하며 이 기술은 진단을 위한 또 하나의 도구일 뿐이라고 봅니다. 다얀도 동의합니다. "앞으로 몇 년 안에 AI는 의사를 돕게 되기를 바라지만, 그들을 완전히 대체하지는 않을 것입니다."
