알츠하이머병은 대뇌의 신경세포 손상과 기능 저하를 초래하는 질환으로, 주로 인지기능의 저하와 기억력 손실을 유발한다. 이 질환은 노인들 사이에서 가장 흔한 치매 형태이다. 하지만 모든 노인이 알츠하이머병에 걸린다는 것은 아니며, 일부 노인들만이 이 질환을 겪게 된다.

알츠하이머병은 일반적으로 65세 이상의 노인들에게 발병하는 경우가 많다. 사실, 연구에 따르면 65세 이상의 인구 중 10%에서 30%가 알츠하이머병을 경험한다고 추정된다. 그러나 중요한 점은 나이가 많을수록 알츠하이머병 발병 위험이 증가한다는 것이지, 모든 노인들이 알츠하이머병에 걸리는 것은 아니다.

알츠하이머병의 정확한 원인은 아직 완전히 밝혀지지 않았다. 그러나 연구는 유전적 요소, 뇌 내 이상징후 (특히 베타 아밀로이드 플라크와 신경원사 덩어리), 신경전달 물질의 이상 등이 알츠하이머병 발병과 관련이 있다는 것을 제안하고 있다. 이러한 요소들은 현재 진단을 위한 잠재적인 바이오마커로 사용되는 것으로 연구되고 있다. 그러나 정확한 진단은 아직 어려운 과정이며, 대부분은 증상, 심리검사, 의료 기록 및 가족의 역사 등을 종합하여 진단이 이루어진다.

알츠하이머병에 대한 연구는 진행 중이며, 조기 진단과 예방에 초점을 맞춘 연구가 진행되고 있다. 하지만 아직까지 완전한 치료법은 없으며, 증상의 관리와 환자의 삶의 질을 향상시키기 위한 접근법에 중점을 둔다.

그런데, 연구자들은 언어 패턴을 분석하여 알츠하이머병 및 경미한 인지 장애 와 같은 신경 퇴행성 질환을 선별하기 위한 자가 관리 스마트폰 앱을 개발했다. 미묘한 언어 장애가 이러한 상태의 초기 지표이므로 진단을 더 빨리 받을 수 있는 쉬운 방법이 될 수 있다.

전 세계적으로 알츠하이머병(AD)이 널리 퍼져 있음에도 불구하고 이를 가진 사람의 75%가 진단을 받지 못한 것으로 추정된다. 언어 장애는 일반적으로 AD의 첫 징후 중 하나입니다. 초기에 개인은 말을 더듬거나 말을 멈추게 되고 단어를 기억하거나 말하려는 내용을 전달하는 올바른 단어를 찾는 데 어려움을 겪을 수 있다.

기술을 사용하여 사람 목소리의 종종 미묘한 변화를 포착하는 것은 의사가 AD 및 경도 인지 장애(MCI)를 조기에 진단하는 데 도움이 되는 방법이다. 진단이 빠를수록 질병의 진행이 느려질 가능성이 높아집니다. 그러나 노인의 언어 패턴을 인식하는 것은 어려울 수 있다.

일본 츠쿠바 대학(University of Tsukuba)과 IBM 연구소(IBM Research)의 연구원들은 초기 알츠하이머병과 MCI의 숨길 수 없는 징후에 대해 누군가의 말을 정확하게 분석하기 위해 자가 관리 프로토타입 스마트폰 앱을 개발했다.

연구자들은 114명의 참가자로부터 음성 데이터를 수집했다. 25명은 AD 진단을 받았고, 46명은 MCI를, 43명은 인지적으로 건강한 참가자였습니다. 참가자들의 나이는 72세에서 75세까지 다양했다. 참가자들은 조용한 방에 앉아 미리 녹음된 질문에 답했습니다. 그들의 답변은 iPad에 기록되었다.

참가자들은 역수 세기, 빼기, 구어 유창성과 관련된 과제, 그림 설명 등 5가지 말하기 과제를 수행했다. 응답은 IBM Watson Speech-to-Text 자동 음성 인식 서비스를 사용하여 기록되었다. 녹음은 지터(음높이의 단기적 변화), 쉬머(음량의 단기적 변화), 말하는 속도, 억양 및 일시 중지에 대해 분석되었다. 기계 학습을 사용하여 음성 기능을 통해 AD, MCI 및 제어의 세 그룹을 분류하고 연구원은 각 작업에서 추출한 92개의 음성 기능을 입력했다.

연구자들은 대조군 참가자와 AD 또는 MCI가 있는 참가자의 언어 패턴에서 통계적으로 유의미한 차이를 발견했다. 또한 기계 학습 모델은 각각 91%와 88%의 정확도로 AD와 MCI를 감지했다.

그들이 아는 한, 이것은 음성을 마커로 사용하여 AD 및 MCI를 감지하기 위해 자동, 자체 관리 도구를 사용할 수 있는 가능성을 보여주는 첫 번째 연구이다. 그들은 앱에서 포착한 음성 변형이 타우 및 아밀로이드 베타 수준과 같은 이러한 조건에서 보이는 병리학적 변화와 일치하는지 여부를 테스트하기 위한 추가 연구를 제안한다.

연구원들은 그들의 연구에 몇 가지 한계가 있음을 인정한다. 음성 데이터는 실험실 환경에서 수집되었으며 참가자가 질문에 응답하는 방식에 영향을 미쳤을 수 있다. 둘째, 표본 크기가 작아서 연구 결과의 일반화 가능성에 영향을 미쳤다.

그럼에도 불구하고 그들의 연구는 자가 관리 스마트폰 앱을 통해 음성 분석을 사용하여 이러한 쇠약 질병을 선별할 수 있는 가능성을 보여준다.

이 연구는 저널 Computer Speech and Language 에 게재되었다. 출처: 쓰쿠바대학