헌팅턴병 음성 인식, 바이오마커로 성능 향상

초록

헌팅턴병(HD) 환자의 비정상적인 발음 특성을 다루기 위해 고품질 임상 음성 코퍼스를 활용한 최초의 엔드‑투‑엔드 ASR 연구를 수행하였다. Parakeet‑TDT 모델이 다른 최신 모델에 비해 월등히 낮은 WER(6.99%)을 보였으며, 파라미터 효율적 어댑터 기반 적응을 통해 4.95%까지 개선하였다. 임상 바이오마커(운율·발성·조음) 를 보조 감독 신호로 사용했지만, 전체 WER 감소보다는 오류 유형(대치·삭제·삽입) 재구성에 영향을 미치는 것으로 나타났다. 코드와 모델을 모두 공개한다.

상세 분석

본 논문은 헌팅턴병 환자의 음성 변이를 정량화하고, 이를 자동 음성 인식(ASR) 시스템에 적용하는 전 과정을 체계적으로 제시한다. 먼저 94명의 HD 환자와 36명의 정상인을 포함한 4.5시간 분량의 고해상도 코퍼스를 구축했으며, 임상 진행 단계(Pre‑HD, Prodromal, Manifest)를 균등하게 배치해 학습·검증·테스트를 70/10/20 비율로 분리하였다. 모델군은 Whisper(소·중·대), Parakeet‑TDT, Meta Omnilingual CTC 등 5가지 아키텍처를 동일 파이프라인에서 평가했으며, WER뿐 아니라 대치(Substitution), 삭제(Deletion), 삽입(Insertion) 비율을 상세히 분석했다. 결과적으로 Transducer 기반 Parakeet‑TDT가 6.99%라는 가장 낮은 WER을 기록했고, 이는 Whisper 계열이 18~26% 수준에 머문 것과 큰 격차를 보였다. 오류 구성에서도 Whisper는 삽입 오류가 70% 이상을 차지해 과잉 생성(over‑generation) 경향이 뚜렷했으며, Parakeet‑TDT는 보다 균형 잡힌 오류 분포(대치 42%, 삭제 30%, 삽입 28%)를 보였다.

다음 단계에서는 Parakeet‑TDT에 파라미터 효율적 어댑터(PEFT)를 도입해 HD 전용 적응을 수행하였다. 전체 가중치를 고정하고 어댑터만 학습함으로써 4.95%까지 WER을 낮추었으며, 특히 삭제 오류가 1.29%로 크게 감소해 발화 누락 문제를 완화했다.

마지막으로 임상 바이오마커(운율: 말하기 속도, pause‑ratio, f0 변동; 발성: jitter, shimmer, HNR; 조음: VSA) 를 보조 감독 신호로 사용했다. 바이오마커 라벨을 3‑class(저·중·고)로 이산화하고, 마스크 평균 풀링된 인코더 출력에 선형 헤드를 추가해 다중 손실(L_ASR + λL_bio)로 학습하였다. 결과는 전체 WER을 추가로 낮추지는 못했지만(각각 6.11~6.44%), 오류 유형에 미세한 변화를 일으켰다. 예를 들어, 운율 보조는 삽입 오류를 약간 감소시켰고, 발성 보조는 대치 오류를 최소화했으며, 조음 보조는 삭제 오류를 다소 늘렸다. 이는 바이오마커가 모델의 내부 표현을 특정 음성 서브시스템에 맞추어 재구성한다는 증거이며, 임상 중증도에 따라 오류 감소 효과가 달라지는 ‘severity‑dependent reshaping’ 현상을 확인했다.

전반적으로 이 연구는 (1) HD와 같은 고동적 병리 음성에 대해 Transducer 기반 모델이 구조적으로 유리함을, (2) 파라미터 효율적 어댑터가 소규모 데이터에서도 강력한 성능 향상을 제공함을, (3) 임상 바이오마커가 단순 WER 감소보다는 오류 패턴을 조절하는 정교한 보조 정보로 활용될 수 있음을 입증한다. 코드·모델 공개는 향후 다른 병리 음성 연구에 중요한 기반이 될 것이다.