Repurposing Large Language Models as Instruments to Detect Transdiagnostic Speech Deviations across the Psychosis–Affective Spectrum

기술적 요약: 정신병성-정동 스펙트럼 전반의 범진단적 언어 이탈 탐지를 위한 도구로서의 대규모 언어 모델 재목적화

문제 제기

정신의학은 특히 조현병 스펙트럼 장애(SSD)의 특징인 형식적 사고 장애(FTD)를 진단하고 증상을 평가하는 데 있어 언어와 말하기에 크게 의존한다. 그러나 언어 평가의 임상적 평가는 주관적이며, 평가자 간 신뢰도가 불균질하고, 확장성이 어렵다는 단점이 있다. 자연어 처리(NLP)를 이용한 기존의 계산 정신의학 접근법들은 의미론적 비일관성을 정량화해 왔으나, 선행 문맥에 기반한 언어의 예측 가능성이라는 근본적인 속성은 간과하는 경우가 많았다. 또한, 기존의 언어 이탈에 대한 증거는 주로 단일 진단(주로 조현병)에 집중된 소규모 영어권 코호트에 국한되어 있으며, 범진단적 차원을 다루지 못했다. 본 연구는 방대한 텍스트 코퍼스를 학습하여 다음 토큰을 예측하도록 설계된 대규모 언어 모델(LLM)이, 건강한 대조군(HC)과 비교하여 정신 질환의 범진단적 스펙트럼(SSD, 양극성 장애[BD], 주요 우울 장애[MDD]) 전반에서 통계적 언어 기대치(놀람도, surprisal)로부터의 이탈을 탐지하는 객관적인 도구로서 기능할 수 있는지에 대한 간극을 다룬다.

방법론

참가자 및 데이터 수집:
본 연구는 371명의 독일인 참가자(건강한 대조군(HC) 178명, SSD 48명, BD 26명, MDD 119명)를 대상으로 한 횡단적 샘플을 활용하였다. 참가자들은 표준화된 서사 자극인 주제적 투사 검사(TAT)를 수행하였으며, 네 장의 사진을 바탕으로 이야기를 들려주었다. 음성은 오디오로 녹음되었고, 맹검 처리된 언어학자들에 의해 축자적으로 전사되었으며, 추임새(filler words)를 제거하는 과정을 거쳤다.

LLM 놀람도(Surprisal) 계산:
핵심 지표인 "LLM 놀람도"는 자기회귀적 LLM(주 모델: Qwen2.5-32B-Instruct)의 문장 단위 교차 엔트로피 손실(cross-entropy loss)의 중앙값으로 정의되었다. 모델은 "건강한 화자" 페르소나 프롬프트에 조건화되었다. 각 문장에 대해 모델의 예측 손실은 토큰 로그 확률의 음수 평균으로 계산되었다. 이 지표는 특정 언어 세그먼트가 일관되고 전형적인 언어라는 모델의 통계적 기대치로부터 얼마나 벗어나 있는지를 정량화한다.

통계 분석:

1. 교란 요인 제거(Deconfounding): 원시 놀람도는 평균 문장 길이(ASL) 및 인구통계학적 변수와 강한 상관관계를 보였다. 이탈 신호를 질환 관련 신호와 분리하기 위해, 저자들은 최소제곱 회귀(OLS)를 사용하여 연령, 성별, 교육 연수(YoE), ASL에 대해 놀람도를 잔차화(residualize)하였다.
2. 집단 비교: OLS 회귀 모델을 통해 진단 그룹(SSD, BD, MDD)과 HC 간의 잔차화된 놀립도를 비교하였다.
3. 임상 상관관계: 18가지 임상/인지 변수(예: SAPS, SANS, TLI, 언어 지능)와 잔차화된 놀람도 사이의 스피어만 상관계수를 계산하였다.
4. 증분 예측 가치: 중첩 로지스틱 회귀 모델을 사용하여, 인구통계학적 변수 및 의미론적 일관성을 넘어 LLM 놀립도를 추가했을 때 분류 성능이 개선되는지 여부를 AIC, Leave-One-Out 교차 검증 AUC(CV-AUC), 우도비 검정(LRT), DeLong 테스트를 통해 평가하였다.
5. 강건성 검증: 분석은 다양한 모델 아키텍처(Qwen2.5-7B, LeoMistral-Hessianai-7b)와 프롬프트 구성(건강한 페르소나, 환자 페르소나, 중립, 없음) 및 문장 길이와 언어 지능에 관한 민감도 분석에 대해 반복 수행되었다.

주요 결과

집단 간 차이:

• SSD: 조현병 스펙트럼 장애 환자들은 교란 요인을 조정한 후 HC에 비해 유의미하게 높은 LLM 놀람도를 보였다 ($\beta=0.49, P=0.002$).
• BD: 양극성 장애 환자들은 HC에 비해 유의미하지만 상대적으로 작은 수준의 놀람도 상승을 보였다 ($\beta=0.39, P=0.04$). 이 효과는 언어 지능(Verbal IQ)을 공변량으로 추가했을 때 유의성을 잃었다.
• MDD: 주요 우울 장애 환자들은 HC와 구별되지 않았다 ($\beta=-0.02, P=0.87$).
• 경사도(Gradient): 진단적 경사가 관찰되었다: SSD > BD > MDD $\approx$ HC.

임상 상관관계:

• 잔차화된 놀람도는 18개 임상 척도 중 8개와 상관관계가 있었다. 가장 강력한 연관성은 언어 지능($\rho=-0.25$) 및 양성 형식적 사고 장애($\rho=0.23$)와 나타났다.
• 결정적으로, 진단 그룹 멤버십을 통제했을 때 대부분의 증상 연관성(예: 양성 증상, 조증)은 유의성을 잃었으며, 이는 이러한 상관관계가 환자 내 증상 심각도보다는 집단 간 차이에 의해 유도되었음을 시사한다.
• 언어 지능과의 연관성은 진단을 통제한 후에도 지속되었는데, 이는 환자 집단 내에서 언어 예측 가능성과 언어 능력 사이의 차원적 연결을 나타낸다.

예측 유용성 및 강건성:

• 증분 가치: LLM 놀람도를 추가하는 것은 전체 코호트 및 SSD 하위 그룹에 대해 인구통계 및 의미론적 일관성을 기준으로 한 베이스라인보다 모델 적합도(LRT)를 유의미하게 개선하였다. 그러나 교차 검증 판별력(CV-AUC)의 개선은 완만했다(예: SSD AUC가 0.706에서 0.744로 개선; DeLong 테스트 결과 $P=0.059$).
• 안정성: 신호는 다양한 모델 크기와 프롬프트 구성에 걸쳐 강건했다. "건강한 페르소나" 프롬프트는 중립 또는 환자 페르소나와 일치하는 결과를 냈다.
• 문장 길이: 분해 분석을 통해 SSD에서 나타난 높은 놀람도가 문장 길이와 독립적인 "수준 이동(level shift)"임을 확인한 반면, BD는 문장이 길어질수록 대조군과의 격차가 벌어지는 더 복잡한 상호작용을 보였다.

의의 및 주장

본 논문은 LLM 유도 놀람도가 문장 길이, 인구통계학적 교란, 또는 단순한 의미론적 일관성으로 환원될 수 없는 언어적 변화를 포착하며, 정신 질환 전반에 걸친 언어적 변형을 위한 확장 가능한 자동화된 표지자임을 주장한다.

• 범진단적 유용성: 본 연구는 LLM 지표의 유용성을 조현병을 넘어 양극성 스펙트럼까지 확장하는 동시에, MDD에서는 유의미한 이탈이 나타나지 않음을 보여줌으로써 정신병성 스펙트럼 특이적 효과를 뒷받침하였다.
• 전통적 평정 이상의 가치: 이 지표는 전통적인 임상가 평정 척사와 겹치면서도 동일하지 않은, 임상적으로 유의미한 변이(특히 FTD)를 포착한다. 즉, 문법적으로는 유창하지만 맥락에서 벗어난 말하기를 탐지한다.
• 방법론적 기여: 저자들은 교차 엔트로피 손실이 맥락적 언어 조직의 안정적인 척도로 기능할 수 있음을 입증하였다. 또한 놀람도와 언어 능력 사이의 관계가 복잡하다는 점(대조군에서는 U자형, 환자군에서는 음의 상관)을 강조하며, 이는 놀람도가 단순한 인지 저하의 지표라기보다 규범적 언어 기준으로부터의 이탈을 반영함을 시사한다.
• 한계 및 겸허한 결론: 저자들은 이 지표가 아직 완만한 판별 정확도(SSD AUC ~0.74)와 횡단적 데이터의 특성 때문에 단독 진단 도구로서 사용되기에는 부족하다고 명시하였다. 그들은 이 신호가 교란 제거 전략에 따른 보수적인 하한선일 가능성이 높다고 강조하며, 최적의 모델 규모, 교란 제거 전략, 그리고 상태(state)와 특성(trait) 마커를 구분하기 위한 종단적 추적에 관한 추가 검증이 필요함을 역설하였다.

요약하자면, 본 논문은 LLM 놀람도를 정신병성 스펙트럼 장애의 언어적 특이성을 특징짓는 유망하고 데이터 기반적인 도구로 제시하며, 임상 평가를 보완하는 객관적인 수단으로서의 가능성을 제시하는 동시에, 실제 임상 배치를 위한 추가 검증의 필요성을 인정하고 있다.