Automated Assessment of Hypernasality in Motor Speech Disorders Using Nasal Cognate Distinctiveness and Nasal Posterior Probability

사람이 말을 할 때, 입 뒤쪽에 있는 연구개는 공기를 코나 입 중 한 곳으로 보내는 문 역할을 합니다. 건강한 목소리에서는 이 문이 대부분의 소리를 낼 때 꽉 닫혀 있다가, "m", "n", "ng"와 같은 특정 글자에서만 열립니다. 하지만 운동성 언어 장애(뇌가 말하는 데 필요한 근육을 조절하는 데 어려움을 겪는 질환)가 있는 사람들의 경우, 이 문이 제대로 닫히지 않을 수 있습니다. 그 결과로 과다 비성(hypernasality)이 나타나는데, 이는 순수하게 구강을 통해 나와야 할 소리에서 너무 많은 공기가 코로 새어 나가면서 목소리에 특유의 공허한 느낌을 주는 현상입니다. 언어치료사들은 이러한 차이를 들을 수 있지만, 이를 정밀하게 측정하는 데에는 종종 어려움을 겪습니다. 인간의 귀에만 의존하는 것은 일관성이 떨어질 수 있어, 환자가 시간이 지남에 따라 개선되고 있는지 추적하거나 서로 다른 사람들 사이의 증상 심각도를 비교하는 것을 어렵게 만듭니다. 이를 해결하기 위해, 연구자들은 음성 녹음본을 듣고 비성 공명이 얼마나 존재하는지를 정확히 계산하여, 주관적인 인상을 객적인 수치로 바꾸는 자동화된 도구들을 개발하기 시작했습니다.

한 연구팀은 이러한 비성 누출을 포착하기 위해 설계된 두 가지 특정 자동화 방법을 테스트하기 위해 연구를 수행했습니다. 그들은 이 컴퓨터 기반 측정 방식들이 운동성 언어 장애 환자들의 과다 비성 심각도를 정확하게 반영할 수 있는지 알고 싶었습니다. 첫 번째 방법인 '비음 동계 변별성(Nasal Cognate Distinctiveness)'은 하나는 비음이고 다른 하나는 그렇지 않은, 거의 동일하지만 한 끝 차이인 소리 쌍에 집중합니다. 예를 들어, "p"는 무성 파열음이고, "m"은 그것의 비음 짝입니다. 컴퓨터는 화자가 이 쌍들 사이를 얼마나 명확하게 구별하는지 분석합니다. 만약 화자에게 과다 비성이 있다면, "p"가 "m"처럼 들리기 시작하며 컴퓨터는 이러한 모호함을 감지합니다. 두 번째 방법인 '비음 사후 확률(nasal posterior probability)'은 언어 규칙을 학습한 더 발전된 컴퓨터 모델을 사용하여, 주어진 소리가 비음 에너지를 포함하고 있을 가능성을 추정합니다. 전통적으로 "p", "t", "k"와 같은 파열음에 대해서만 살펴보았던 첫 번째 방법과 달리, 이 두 번째 접근 방식은 비음 신호가 일반적인 범위를 넘어 다른 자음이나 심지어 모음까지 확장되는지를 확인하기 위해 더 넓은 범위의 소리들에 대해 테스트되었습니다.

이 도구들을 검증하기 위해 연구진은 561명의 문장 단위 음성 녹음 데이터를 수집했습니다. 이 그룹에는 대조군 역할을 하는 정상 신경 기능 보유자 374명과 운동성 언어 장애 진단을 받은 환자 187명이 포함되었습니다. 각 녹음은 훈련된 언어치료사들에 의해 전문적인 판단에 근거한 심각도 점수가 부여되었습니다. 연구진은 이 녹음본들에 자동 분석을 실행하여 패턴을 찾았습니다. 연구진은 인간 전문가들이 과다 비성을 더 심각하다고 평가할수록, 첫 번째 척도인 '비음 동하면서 변별성'이 일반적으로 감소한다는 것을 발견했는데, 이는 구강음과 비음 사이의 구분이 어려워지고 있음을 나타냅니다. 동시에, 두 번째 척도인 '비음 사후 확률'은 증가하여 비음 에너지의 존재가 높아짐을 나타냈습니다. 데이터는 이러한 변화가 무작위가 아니었음을 보여주었습니다. 즉, 이 변화들은 인간의 심각도 평가와 밀접하게 연관되어 있었습니다.

또한 이 연구는 이러한 자동화된 측정 방식들이 과다 비성이 없는 화자와 있는 화자를 구별할 수 있는지 조사했습니다. 연구진이 두 방법의 성능을 비교했을 때, 두 방법 모두 두 집단을 분리해 내는 데 매우 효과적이라는 것을 발견했습니다. 소리 쌍에 집중하는 방법과 비음 특징의 확률을 분석하는 방법 모두 유사한 성공률을 달ôi었습니다. 아마도 더 놀라운 점은, 연구진이 두 번째 방법이 자음뿐만 아니라 모음에 적용되었을 때도 똑같이 잘 작동한다는 것을 발견했다는 것입니다. 이 발견은 비음 문제가 특정 파열음에만 나타난다는 오래된 가설에 도전합니다. 데이터는 비음 신호가 자음의 날카로운 경계부터 모음의 부드러운 흐름에 이르기까지 전체 음성 스펙트럼에 걸쳐 존재하며 측정 가능하다는 것을 보여주었으며, 두 유형의 소리 모두 질환의 심각도와 동일하게 강력한 상관관계를 보였습니다.

이 도구들이 실제 환경에서 사용될 만큼 신뢰할 수 있는지 확인하기 위해, 연구팀은 한 사람이 같은 문장을 두 번 말했을 때 측정이 일관되게 유지되는지도 확인했습니다. 그들은 20명의 건강한 대조군을 대상으로 두 차례 별도로 녹음을 진행하여 결과를 비교했습니다. 분석 결과, 대다수의 반복 녹음에서 측정값은 안정적으로 유지되었으며, 아주 적은 수의 사례에서만 단순한 변동이 아닌 실제 차이로 간 만큼의 변화가 나타났습니다. 이 단계는 임상의가 환자의 상태가 실제로 호전되었는지 혹은 악화되었는지 확신하기 위해 측정값이 얼마나 변해야 하는지에 대한 중요한 기준점을 제공했습니다. 연구는 결론적으로 두 가지 자동화된 접근 방식 모두 과다 비성을 측정하는 유효하고 객관적인 방법을 제공한다고 밝힙니다. 이 방식들은 동일한 기저의 음향적 실체를 포착하며, 인간의 귀에만 의존하는 것의 대안으로서 일관된 데이터 기반의 방식을 제공하여, 운동성 언어 장애를 이해하고 추적하는 데 더 명확한 길을 제시합니다.