CWN(CHANGE WITH NEWS) - 언어 초월한 자폐증 환자 대화 특성, 인공지능이 찾아냈다

해외 과학 기술 전문 매체 뉴로사이언스가 인공지능(AI)을 이용한 자폐증 환자의 대화 특성 확인 소식을 보도했다.

매체 보도에 따르면, 미국 노스웨스턴대학교 연구팀이 홍콩 연구팀의 도움을 받아 자폐증을 앓는 아동의 대화 패턴의 공통점을 확인했다. 연구팀은 머신러닝을 기반으로 영어를 구사하는 자폐 아동과 광동어를 구사하는 자폐 아동의 보편적인 대화 패턴 분석에 성공했다.

연구팀은 대화 패턴 분석 과정에서 자폐증을 앓는 아동의 의사소통 능력을 형성하는 유전적 요인과 환경적 요인을 구별할 수 있는 심층 분석 정보를 파악했다.

자폐 아동이 일반 아동보다 말하는 속도가 느리며, 어조와 억양, 리듬 등에서 차이가 있다는 사실은 과거부터 널리 알려진 부분이다. 그러나 자폐 아동과 일반 아동의 대화 패턴 차이를 일관적이면서도 객관적인 방법으로 특정 짓는 데 어려움이 있었으며, 수십 년 동안 정확한 해답을 찾지 못했다.

그러나 노스웨스턴대학교 과학자인 몰리 로쉬(Molly Losh) 박사와 조셉 C.Y. 라우(Joseph C.Y. Lau) 박사, 홍콩 연구원 패트릭 웡(Patrick Wong) 박사 연구팀이 손을 잡고 자폐증과 관련된 언어 차이를 식별하는 과정에 머신러닝을 활용했다.

머신러닝은 영어를 구사하는 자폐 아동과 광동어를 구사하는 자폐 아동과 자폐증 증상이 없는 아동의 대화를 모두 녹음하였다. 그리고 각자 동일하게 주어진 그림책의 모습을 묘사하도록 지시했다.

이후 연구팀은 머신러닝을 이용하여 자폐증 증상 유무에 따라 여러 대화 형태 중 리듬의 차이가 가장 크다는 사실을 확인했다.

로쉬 박사는 머신러닝이 자폐증 증상 치료 개입에 적합한 음성 특성 식별은 물론이고, 평가 이후 개입 효과를 측정하는 데도 활용하기 좋을 것이라고 설명했다. 머신러닝으로 기록한 음성 데이터를 바탕으로 시간에 따른 대화 패턴을 손쉽게 비교할 수 있기 때문이다.

또, 현구팀은 이번 연구 결과가 자폐증에 대한 유전적 민감성과 관련된 특정 유전자와 뇌 처리 메커니즘의 역할을 확인하고 이해하려는 노력에 영향을 미칠 수 있을 것이라고 전했다.

한편, 연구팀은 이번 연구 결과 확인 후 자폐증 치료 시 대화 특성을 유용한 진단 수단으로 활용할 가능성을 기대했다.

[ⓒ CWN(CHANGE WITH NEWS). 무단전재-재배포 금지]