음성 데이터 기반 다중모달 베이지안 네트워크로 우울·불안 증상 예측

초록

본 연구는 30,135명의 음성·언어 데이터를 활용해, 파라링귀스틱·언어적 특징을 추출하고 이를 베이지안 네트워크에 통합하여 우울증 및 불안증의 증상 수준을 예측한다. 전체 질환 예측에서 ROC‑AUC 0.84(우울)·0.83(불안) 및 낮은 Expected Calibration Error(0.018·0.015)을 달성했으며, 개별 핵심 증상에서도 0.74 이상을 기록했다. 인구통계학적 공정성 검증, 다중모달 통합 효과 분석, 임상 유용성 지표 및 서비스 이용자 수용성 조사까지 포괄적으로 수행하였다.

상세 분석

이 논문은 정신건강 진단에서 임상의가 비언어적 단서(음성 톤, 말 속도, 유창성 등)를 직관적으로 통합하는 과정을 정량화하고 자동화하기 위해 베이지안 네트워크(BN)를 선택한 점이 핵심이다. BN은 확률적 그래프 구조를 통해 변수 간 인과 관계와 조건부 의존성을 명시적으로 모델링하므로, 임상의가 기대하는 ‘증상 간 상호작용’과 ‘증상‑질환 연결’을 자연스럽게 반영한다.

데이터 전처리 단계에서는 두 종류의 발화(텍스트 읽기와 최근 기분 서술)를 수집하고, 각각에서 음향 임베딩, 말하기 타이밍, NLP 기반 의미 임베딩 등 3가지 특징군을 추출하였다. 각 특징군은 별도의 ‘대리 모델’(신경망)로 학습돼, 8개의 우울증 증상과 7개의 불안증상에 대한 개별 확률 예측값을 생성한다. 이렇게 다수의 예측값을 BN의 관측 변수로 입력함으로써, 서로 다른 모달리티가 제공하는 정보의 중복성과 보완성을 정량적으로 평가할 수 있다.

BN 구조는 임상 문헌을 기반으로 사전 정의된 증상‑증상 및 증상‑질환 간 연결을 포함하고, 학습 단계에서는 대리 모델 출력과 실제 라벨 간의 조건부 확률을 최대우도 추정한다. 특히, 증상의 심각도를 4단계(없음‑경증‑중등‑중증)로 확장해 사후 확률 분포를 얻음으로써, 단순 이진 분류를 넘어 정밀한 임상 의사결정 지원이 가능하도록 설계되었다.

출력 확률의 신뢰성을 확보하기 위해 별도의 ‘보정 모델’(캘리브레이터)을 도입했으며, 이는 기대 캘리브레이션 오류(ECE)를 0.018(우울)·0.015(불안) 수준으로 낮추어 실제 위험도와 일치하도록 조정한다. 모델 평가는 크게 세 단계(개발 세트, 캘리브레이션 세트, 보류 테스트 세트)로 나뉘어, 데이터 누수 없이 일반화 성능을 검증하였다.

성능 지표는 전체 질환 예측에서 ROC‑AUC 0.842(우울)·0.831(불안)으로 임상 적용 가능 수준을 보였으며, 개별 핵심 증상(무기력, 저기분, 불안·긴장, 통제불가 걱정)에서는 0.75에 육박하는 AUC를 기록했다. 또한, 증상 심각도 추정값은 PHQ‑8·GAD‑7 총점과 강한 상관(r≈0.5) 및 삶의 질·사회기능 지표와도 유의한 연관을 보였다.

공정성 분석에서는 성별·연령·인종·교육 수준 등 주요 인구통계학적 변수별 AUC 차이를 검증했으며, 대부분의 하위 그룹에서 차이가 통계적으로 유의하지 않아 편향 최소화에 성공한 것으로 판단된다. 다중모달 통합 효과는 각 모달리티별 단독 모델 대비 AUC 상승(≈0.03‑0.05)으로 확인되었으며, 특히 언어적 특징이 감정 표현을, 음향적 특징이 말투·리듬 변화를 포착해 상호보완적인 역할을 수행한다는 점이 강조된다.

임상 유용성 측면에서는 ‘결정곡선 분석’과 ‘임계값 기반 위험도 분류’를 통해, 실제 진료 현장에서 의사가 활용할 경우 진단 정확도 향상 및 불필요한 추가 검사 감소 효과를 정량화하였다. 서비스 이용자 설문에서는 78%가 ‘결과가 이해하기 쉽다’, 71%가 ‘진료 과정에 도움이 된다’고 응답, 수용성이 높음을 시사한다.

한계점으로는 데이터가 주로 영국 기반 온라인 설문·음성 수집 플랫폼에서 얻어진 점, 문화·언어적 차이에 대한 외부 검증이 부족함, 그리고 비음성·비언어적 신호(얼굴 표정·신체 움직임)와의 통합이 아직 미비함을 들 수 있다. 향후 연구에서는 다문화·다언어 데이터베이스 구축, 실시간 모바일 앱 구현, 그리고 치료 반응 예측을 위한 종단적 모델링을 제안한다.