전화 음성으로 파킨슨병 대규모 스크리닝 도구 개발

파킨슨병은 전 세계적으로 두 번째로 흔한 신경퇴행성 질환이며, 조기 진단과 지속적인 모니터링이 치료 효과를 극대화하는 데 핵심이다. 기존 임상 검사와 전문가 기반 음성 분석은 높은 정확도를 보이지만, 장비 비용·접근성·시간 소모가 크다. 이에 저비용·고접근성을 갖춘 전화망 기반 음성 데이터를 활용한 스크리닝 방법을 모색하고자 한다. **데이터 수집 및 전처리** 연구팀은 7개 국가(미국, 캐나다, 영국, 스페인, 아르헨티나, 브라질, 멕시코)에서 자발적으로 전화를 걸어 참여한 피험자들을 대상으로, ‘aaah’ 소리를 가능한 한 길게 지속하도록 안내했다. 각 통화는 약 3분 정도 소요되었으며, 두 번의 지속 음성이 8 kHz, 16‑bit 형식으로 저장되었다. 자동 음성 인식(SVM 기반 MFCC 특징)으로 연령·성별·PD 진단 여부를 추출하고, 인식 정확도가 90% 미만인 경우 인간 검증을 통해 오류를 교정했다. 최소 2 초 이상 지속된 녹음만을 분석에 포함시켜, 짧은 발성으로 인한 특징 잡음을 최소화했다. 최종적으로 PD 환자 1,483명(2,759개 녹음)과 정상인 8,300명(15,321개 녹음)의 데이터셋이 구축되었다. **특징 추출** 총 307개의 dysphonia 지표를 계산하였다. 주요 특징군은 다음과 같다. 1. **진동 불규칙성**: jitter, shimmer 및 그 변형(다중 사이클 평균, 정규화 등). 2. **주기성 엔트로피**: RPDE, PPE, GQ, F0 표준편차 등, 음성 주기의 불확실성을 정량화. 3. **신호‑대‑잡음 비율**: HNR, DFA, GNE, VFER, EMD‑ER 등, 성대 폐쇄 불완전성에 기인한 공기‑음향 잡음 측정. 4. **비선형 에너지 및 엔트로피**: Teager‑Kaiser 연산자 기반 에너지, 고주파/저주파 구분을 통한 SNR. 5. **MFCC**: 전통적인 스펙트럼 특징으로, 조음 기관의 미세 움직임을 포착. 기본 주파수(F0) 추정에는 SWIPE 알고리즘을 사용했으며, 이는 기존 방법 대비 높은 정확도와 강인성을 보였다. 전체 특징 행렬은 18,080명(녹음) × 307개의 형태였다. **특징 선택 및 모델링** 고차원 데이터는 과적합 위험을 높이므로, Gram‑Schmidt Orthogonalization(GSO) 기반의 차원 축소·특징 선택을 적용했다. GSO는 상관관계가 높은 특징을 정규 직교화하여, 정보 손실을 최소화하면서 핵심 변수를 추출한다. 선택된 특징 수는 실험에 따라 20~30개 수준으로 제한되었다. 분류 모델로는 Random Forest(RF)를 채택했으며, 10‑fold 교차 검증을 통해 성능을 평가했다. 평균 민감도는 64.90 % (SD 2.90), 평균 특이도는 67.96 % (SD 2.90)로, 전화 품질이라는 제약 하에서도 통계적으로 유의미한 구분력을 확보했다. 성별·연령에 따른 별도 분석에서도 큰 차이는 없었으며, 연령 분포는 Kolmogorov‑Smirnov 검정으로 동일 모집단에서 추출된 것으로 판단되었다. **결과 해석 및 한계** 민감도·특이도가 70% 수준에 머물러 임상 진단 대체라기보다 보조 스크리닝 도구로서의 활용이 적합하다. 자가 보고된 PD 진단을 ‘골드 스탠다드’로 삼은 점은 라벨링 오류 가능성을 내포한다. 또한, 전화망에 따라 발생하는 잡음·압축 손실이 특징 추출에 미치는 영향을 완전히 통제하지 못했다. 다른 신경학적 질환(예: 다발성 경화증, 진행성 핵상 마비)과의 구별 검증이 부족하며, 장기 추적을 통한 진행도 평가도 미비했다. **향후 연구 방향** 1. **다중 모달 데이터 통합**: 스마트폰 기반 보행·자세·반응 시간 측정과 결합해 다중 입력 모델을 구축한다. 2. **심층 학습 적용**: Convolutional Neural Network(CNN)·Transformer 기반 음성 스펙트로그램 분석으로 특징 자동 추출 및 성능 향상을 시도한다. 3. **라벨 정밀화**: 임상 전문가가 검증한 진단 라벨을 확보하고, 다른 파킨슨계 질환과의 구별 모델을 개발한다. 4. **실시간 배포**: 클라우드 기반 IVR 시스템에 모델을 탑재해 실시간 위험도 피드백을 제공하고, 대규모 인구 기반 역학 조사에 활용한다. 본 연구는 전화 품질 음성을 이용한 대규모 원격 스크리닝 가능성을 최초로 입증했으며, 향후 기술적·임상적 보완을 통해 파킨슨병 조기 발견 및 관리에 중요한 도구가 될 잠재력을 보여준다.