음성 기반 우울증 진단 인공지능 모델 개발

주장주요 우울 장애(MDD)의 임상적 진단을 위해서는 객관적인 생체 지표 확보가 시급합니다. 음성 데이터를 활용한 인공지능 모델은 우울증 진단을 보조하는 효과적인 도구가 됩니다.

팩트연구진은 1,816명의 다기관 코호트를 구성해 연구를 진행했습니다. 이 중 910명은 우울증 환자이며 906명은 건강한 대조군입니다.

팩트연구진은 총 2만 3,608개의 음성 샘플을 확보했습니다. 또한 6,373개의 음향-운율적 특징을 추출해 딥러닝 모델의 학습 데이터로 사용했습니다.

팩트개발한 딥러닝 프레임워크는 내부 검증에서 0.932의 곡선 아래 면적(AUC)을 기록했습니다. 이는 기존 음향 분석 방법보다 높은 성능을 보입니다.

팩트외부 검증 데이터셋 160명을 대상으로 한 실험에서도 0.879의 AUC를 유지했습니다. 이 결과는 모델의 범용성을 증명합니다.

교차검증연구진은 웨이브엘엠(WavLM) 및 허버트(HuBERT) 등 사전 학습된 파운데이션 모델을 비교 분석했습니다. 자기지도 학습 표현 방식이 오픈스마일(openSMILE) 기반 방식보다 우울증 진단 정확도 측면에서 견고합니다.

주장음성 생체 지표를 활용한 이번 접근 방식은 빠르고 비용이 저렴하며 비침습적입니다. 이는 정신 건강 진단 체계의 효율성을 높이는 기술적 진보입니다.

팩트이번 연구는 북경대학교 제6병원과 보이스 헬스 테크 등 다수 기관이 협력했습니다. 연구 결과는 2026년 6월 15일 네이처 커뮤니케이션즈에 게재되었습니다.

교차검증인공지능 모델의 성능이 우수해도 실제 의료 현장에 도입하려면 다양한 언어와 문화적 배경에 대한 추가 검증이 필요합니다. 환자의 개인정보 보호와 데이터 윤리 문제도 해결해야 할 과제입니다.

주장음성 데이터 기반 진단 기술은 향후 정신 질환 조기 발견과 맞춤형 치료 전략 수립에 기여합니다. 기술의 고도화는 의료 서비스의 접근성을 개선합니다.

팩트연구진은 향후 다양한 인종과 언어군을 포함한 대규모 임상 시험을 계획합니다. 모델의 실효성을 높이기 위한 다각적인 연구를 지속합니다.

출처https://www.nature.com/articles/s41467-026-74122-9의 내용을 교차 검증했습니다. 본 연구는 중국 국가자연과학기금 및 북경대학교 의학 기금의 지원을 받아 수행되었습니다.