보스턴 대학 연구진이 경도 인지 장애를 가진 사람의 향후 6년 내 알츠하이머병 발병 여부를 예측할 수 있는 인공지능(AI) 모델을 개발했다. 이 모델은 오직 말투만을 분석해 78.5%의 높은 정확도를 보이며, 비침습적이고 접근 가능한 초기 진단 방법을 제시한다. 연구 결과는 알츠하이머병 및 치매 학술지에 게재됐다.


알츠하이머병은 치매의 가장 흔한 원인으로, 초기에는 미묘한 인지 변화만이 나타나는 긴 단계를 거친다. 경도 인지 장애를 가진 사람들은 알츠하이머병으로 발전할 위험이 높으며, 연간 전환율은 3%에서 15%에 이른다.


경도 인지 장애에서 알츠하이머병으로 진행할 사람을 조기에 정확히 예측하는 것은 시기 적절한 치료와 신약 임상 시험 참가에 있어 매우 중요하다. 기존의 알츠하이머병 진단 방법인 뇌 영상 및 뇌척수액 검사 등은 침습적이고 비용이 많이 들며, 모든 지역에서 쉽게 접근할 수 없다. 반면, 신경심리검사 동안의 말 분석은 덜 침습적이고 더 확장 가능한 접근법이다.


보스턴 대학 연구진은 2005년부터 신경심리검사 인터뷰를 기록해온 프레이밍험 심장 연구 데이터를 사용해 연구를 진행했다. 이번 연구의 대상자는 인지 불만을 가진 166명(남성 59명, 여성 107명, 중간 연령 81세)이었으며, 이들은 기억력, 언어, 시공간 능력, 추상적 추론, 주의력 등 다양한 인지 영역을 평가하는 신경심리검사를 받았다. 각 검사 세션은 약 한 시간 동안 진행됐고, .wav 형식으로 오디오 녹음됐다.


연구진은 음성 인식 소프트웨어를 사용해 오디오 녹음을 텍스트로 전사했다. 각 발언은 참여자나 검사관에게 할당되었고, 보스턴 이름 대기 검사나 웩슬러 기억 척도와 같은 특정 하위 테스트로 분류됐다. 이 텍스트 데이터는 텍스트를 의미적 내용으로 변환하는 심층 학습 모델인 범용 문장 인코더를 사용해 처리됐다.


연구진은 경도 인지 장애를 가진 사람들이 6년 내 알츠하이머병으로 진행할지 여부를 예측하기 위해 로지스틱 회귀 모델을 사용했다. 그들은 전사된 텍스트로부터 임베딩 벡터를 생성하고, 이 벡터와 연령, 성별, 교육 수준 등의 인구 통계 정보를 함께 모델에 학습시켰다. 모델의 성능은 계층화된 그룹 k-폴드 교차 검증을 사용해 평가했으며, 데이터를 여러 폴드로 나누어 훈련과 테스트를 거쳐 결과를 종합적으로 검증했다.


연구진이 개발한 AI 모델은 경도 인지 장애에서 알츠하이머병으로 진행할 가능성을 예측하는 데 있어 78.5%의 정확도와 81.1%의 민감도를 달성했다. 민감도는 알츠하이머병으로 진행할 사람을 정확히 식별하는 모델의 능력을 의미하며, 75%의 특이도는 진행하지 않을 사람을 정확히 식별하는 모델의 정확성을 나타낸다. 이 결과는 미래의 알츠하이머병 환자를 식별하는 데 있어 강력한 예측 능력을 보여준다.


분석 결과, 신경심리검사 녹음에서 추출된 말투 특징은 질병 진행의 강력한 예측 인자임이 드러났다. 텍스트 특징만을 포함한 경우가 전통적인 신경심리검사 점수와 인구 통계 요인보다 우수한 성능을 보였다. 이는 말투와 언어 사용의 미묘한 변화가 명백한 증상이 나타나기 전에 인지 저하에 대한 중요한 통찰을 제공할 수 있음을 시사한다.


“우리는 향후 6년 동안 무슨 일이 일어날지를 예측하고자 했으며, 비교적 높은 신뢰도와 정확도로 그 예측이 가능함을 발견했다”고 보스턴 대학 라피크 B. 하리리 컴퓨팅 및 계산 과학 엔지니어링 연구소의 이오안니스(Yannis) 파스칼리디스 소장은 말했다. “이는 AI의 힘을 보여준다.”

흥미롭게도, 연구는 또한 나이든 여성, 교육 수준이 낮은 사람들, 아포지단백 E 유전자 대립형을 가진 사람들이 알츠하이머병으로 진행할 가능성이 더 높다는 사실을 발견했다. 이러한 발견은 알츠하이머병 위험 요인에 대한 기존 연구와 일치하며, AI 모델의 예측 타당성을 강화한다.


AI 모델이 유망한 것으로 나타났지만, 몇 가지 한계점도 고려해야 한다. 연구의 대상자는 주로 백인이었기 때문에 더 다양한 인구에 대한 연구 결과의 일반화가 제한된다. 모델의 특이도가 합리적이긴 하지만, 새로운 치료법을 위한 임상 시험 후보자를 더 잘 식별함으로써 비용을 줄이기 위해 개선의 여지가 있다.


또한, 모델이 말 데이터에 의존하기 때문에 방언, 언어 능력, 문화적 차이 등의 변동이 모델의 정확성에 영향을 미칠 수 있다. 향후 연구는 더 다양한 인구를 대상으로 한 연구를 통해 이 결과를 검증하고, 환자의 그림이나 일상 생활 패턴과 같은 다른 유형의 데이터를 포함하여 예측 정확성을 향상시키는 것을 목표로 해야 한다.


연구의 공동 저자인 로다 아우 교수는 “AI는 자원 제한과 편견을 극복하여 과학과 의료의 평등한 기회를 창출할 수 있는 잠재력이 있다”고 언급했다. 이 기술은 초기 진단과 치료에 대한 접근성을 넓혀 더 많은 인구에게 제공될 수 있다.


“기술은 자원이나 특정 전문 지식에 의존하지 않고도 이루어질 수 있는 연구를 가능하게 할 수 있다”며 해부학 및 신경생물학 교수인 아우는 말했다. “연령, 성별, 교육, 언어, 문화, 수입, 지리적 위치에 독립적으로 최대한 포용적인 인지 평가 방법이 알츠하이머병과 관련된 증상을 감지하고 모니터링할 수 있는 잠재적인 스크리닝 도구로 작용할 수 있다”고 말했다.


연구진은 구조화된 신경심리검사뿐만 아니라 보다 자연스러운 대화 데이터를 포함시키기 위해 연구를 확장할 계획이다. 이는 스마트폰 앱을 통해 더욱 접근 가능하고 실용적인 AI 모델을 만들 수 있을 것이다. 또한 다른 유형의 데이터를 통합해 모델의 정확성을 더욱 향상시킬 계획이다.


“디지털은 새로운 혈액입니다”라고 아우는 말했다. “이를 수집하고, 현재 알려진 것에 대해 분석하고, 저장하고, 내일 새롭게 등장하는 것을 위해 다시 분석할 수 있습니다.”


“우리는 모든 사람들이 그러하듯이 더 많은 알츠하이머 치료법이 제공되기를 희망합니다”라고 파스칼리디스는 덧붙였다. “예측할 수 있다면, 약물로 개입할 기회와 시간 창을 더 많이 확보할 수 있으며, 상태의 안정성을 유지하고 더 심각한 형태의 치매로 전환되는 것을 방지할 수 있습니다.”


이번 연구는 사마드 아미니, 보란 하오, 징메이 양, 코디 카자디, 비자야 B. 콜라찰라마, 로다 아우, 이오안니스 C. 파스칼리디스가 공동 저술한 “언어 모델을 활용한 6년 내 알츠하이머병 진행 예측: 새로운 접근법”이라는 제목으로 발표됐다.