Automated Detection of Motor Speech Disorders and Subtype Classification

기술 요약: 운동성 구어 장애의 자동 탐지 및 하위 유형 분류

문제 제기
구음 장애(dysarthria)와 말실행증(apraxia of speech)을 포함한 운동성 구어 장애(MSD)는 신경계 질환의 초기 지표 역할을 한다. 그러나 진단을 위해 전문가의 지각적 분석이 필요하며, 이는 전문적인 훈련과 주관적 판단을 요구하기 때문에 전문 센터 외부에서는 접근하기 어렵다. 자동화된 음향 분석이 확장 가능한 대안을 제공하고 있으나, 기존 연구들은 주로 정적 음향 특징(예: MFCCs, eGeMAPS)에 의존해 왔으며, 이를 현대적인 딥러닝 접근 방식과 체계적으로 비교하지 않았다. 또한, 기존 연구들은 통일된 프레임워크 내에서의 체계적인 비교가 부족하고, 특정 결정 임계값(cut-points)을 요구하는 임상적으로 유의미한 지표를 평가하지 못하며, 진정으로 독립적인 데이터셋에 대한 일반화 능력을 평가하는 경우가 드물다. 아울러, 대부분의 선행 연구는 이진 탐지 또는 제한된 하위 유형에 집중되어 있는 반면, 실제 임상 현장에서는 6가지 MSD 하위 유형 간의 차별적 진단을 구분하는 것이 필요하다.

연구 방법론
본 연구는 다양한 MSD 하위 유형 환자와 대조군으로부터 수집된 문장 반복("My physician wrote out a prescription")을 포함한 456명의 화자, 583개의 음성 녹음 데이터셋을 활용하였다. 데이터는 엄격한 일반화 평가를 보장하기 위해 화자별로 훈련, 검증, 그리고 두 개의 독립적인 테스트 세트(NRG 및 JRD)로 분할되었다.

연구진은 이진 분류(MSD 여부) 및 다중 레이블(6가지 특정 MSD 하위 유형) 분류 과제에 대해 네 가지 모델 군을 평가하였다:

1. 정적 음향 특징: eGeMAPS(요약 통계량) 및 MFCCs(프레임 레벨 평균/표준 편차)를 사용하는 로지스틱 회귀 모델.
2. 정적 특징을 이용한 시계열 모델링: 프레임 레벨의 eGeMAPS 및 MFCCs를 처리하는 Gated Recurrent Units (GRUs).
3. 조음 정보 기반 특징: 음소 및 음운론적 클래스를 예측하도록 훈련된 Phonet 모델에서 유도된 특징을 처리하는 GRUs. 세 가지 특징 유형(포스테리오그램, 음운론적 클래스 임베딩, 프레임 레벨 및 평균 풀링된 음소 임베딩)이 테스트되었다.
4. 자기지도 학습 사전 학습 모델: 세 가지 구성(동결된 특징 추출, 부분 미세 조정, 전체 미세 조정)으로 평가된 HuBERT 및 SSAST 트랜스포머.

모델은 검증 세트 성능을 사용하여 최적화되었다. 결정 임계값은 두 가지 방법으로 설정되었다: ROC 곡선 최적화(위음성을 위양성보다 2배 더 가중 처벌) 및 Z-score 접근법(건강한 검증 분포의 95 백분위수). 이 임계값들은 실제 임상적 유용성을 평가하기 위해 독립적인 테스트 세트에 적용되었다.

주요 결과

• 이진 분류: 사전 학습된 모델과 Phonet 기반 접근 방식이 정적 음향 베이스라인을 크게 상회하였다. **HuBERT (전체 미세 조정)**가 0.946의 가장 높은 검증 AUC를 달ibi 달성하였으며, 컴팩트한 Phonet 유도 GRU 역시 유사한 성능(최대 0.940)을 보였다. 이 모델들은 독립적인 테스트 세트에서도 높은 민감도(0.94)와 특이도(0.97)를 유지하며 잘 일반화되었다.
• 다중 레이블 분류: Phonet 유도 모델이 가장 높은 매크로 평균 AUC(0.861)를 기록하며 HuBERT(0.855)와 정적 베이스라인을 앞질렀다. **말실행증(Apraxia of speech)**과 **경성 구음 장애(spastic dysarthria)**는 모든 모델에서 가장 안정적으로 탐지되는 하위 유형이었다. **불수의적 구음 장애(hyperkinetic dysarthria)**는 가장 탐지가 어려운 유형으로 남았다(AUC 범위 0.52–0.80).
• 임계값 안정성 및 일반화: 이진 분류 임계값은 독립 데이터에 효과적으로 일반화되었으나, 다중 레이블 분류는 제한적인 임계값 안정성을 보였다. 독립 테스트 세트에서 여러 하위 유형(이완성, 실조성, 무도성, 불수의적 구음 장애)의 균형 정확도(balanced accuracy)는 검증 단계의 높은 AUC에도 불구하고 무작위 추측 수준 근처로 떨어졌다. 오직 말실행증만이 테스트 세트에서 적절한 균형 정확도와 특이도를 유지했다.
• 편향 평가: 최적의 이진 모델(HuBERT)은 성별 및 연령 층 전반에서 일관된 성능을 보였으나, 65세 이상의 남성에서 약간 낮은 성능이 관찰되었다.

의의 및 주장
본 논문은 자동화된 MSD 탐지가 특히 이진 스크리닝 측면에서 실현 가능하며 임상적으로 유망하다고 주장한다. 본 연구는 **자기지도 학습 사전 학습 모델(HuBERT)**과 **조음 정보 기반 모델(Phonet)**이 이 과업에서 전통적인 정적 음향 특징보다 우수함을 입증하였다.

본 연구의 주요 기여는 표준적인 순위 지표(AUC)를 넘어 임상적 실행 가능성을 평가하기 위해, 독립적이고 이질적인 데이터셋에 대한 **경계 분류 결정(임계값 기반)**을 평가했다는 점이다. 저자들은 이진 MSD 존재 여부 분류는 잘 일반화되어 잠재적인 스크리닝 응용을 지원하는 반면, 하위 유형 분류는 임계값 안정성이 취약하다는 결론을 내렸다. 이러한 한계는 데이터의 이질성, 캘리브레이션을 위한 검증 세트의 작은 크기, 그리고 서로 다른 MSD 하위 유형 간의 중첩되는 음향 패턴에 기인한다. 저자들은 MSD를 탐지하고 구분할 수는 있지만, 임상 현장에서 신뢰할 수 있는 하위 유형 분류를 위한 임계값 설정은 더욱 견고한 캘리브레이션 전략과 더 크고 다양한 데이터셋에 대한 추가적인 연구가 필요함을 강조한다.