⦁ 한국인 115명 대상 스트레스 상황 전후 음성 데이터 수집, 스트레스 수준 예측 딥러닝 모 개발

⦁ 사람마다 다른 목소리 특징 정확히 분석할수 있는 딥러닝 모델 ECAPA-TDNN으로 정확도높여

⦁ 모델 성능 교차 검증한 결과 스트레스 상태를 70%의 높은 정확도로 구별

⦁ 음성 톤 같은 비언어적 요소만 분석해 교육수준, 문화적 배경등 영향 받지않는 보편적 모델구축

⦁ 모든 데이터는 로컬에서 처리되고 외부 서버로 전송되지 않아 개인정보 유출 위험 최소화

  분당서울대병원 정신건강의학과 김정현 교수(사진) 연구팀(분당서울대병원·서울대학교 뉴미디어통신공동연구소 공동연구)이 음성 분석을 통한 스트레스 측정 기술을 개발했다. 스마트폰 등 개인 디지털 기기를 통해 실시간으로 스트레스를 측정하고 관리할 수 있는 길이 열렸다.

  적절한 스트레스는 에너지와 집중력을 높이는 긍정적 효과를 주지만, 만성 스트레스는 정신질환, 심혈관질환, 암 등 건강문제를 일으킬 수 있다. 기존의 스트레스 측정은 주관적인 설문조사나 호르몬 검사에 의존해왔으나, 연구팀은 근육 긴장과 호흡변화가 목소리 톤에 미치는 영향을 분석해 스트레스를 감지할 수 있다는 점에 주목해 비언어적 음성 바이오마커를 활용해 스트레스 상태를 탐지하는 딥러닝 기반 모델을 개발하고, 한국인의 데이터를 이용해 그 유효성을 검증했다.

연구팀은 국내 다기관 임상 연구를 통해 115명의 건강한 직장인을 대상으로 차가운 물에 손을 담근 상태에서 사회적 평가를 받게 하는 SECPT 기법으로 스트레스 상태를 유도했다. 이 과정에서 스트레스 전후의 음성 데이터를 수집하고, 주파수, 발화 속도, 음성 패턴 등을 세밀히 비교 분석해 스트레스 수준을 예측할 수 있는 인공지능 모델을 개발했다.

이번 연구에서는 사람마다 다른 목소리의 특징을 정확히 분석할 수 있는 고성능 딥러닝 모델 ECAPA-TDNN을 활용해 정확도를 높였고 연구 신뢰성을 높이기 위해 코르티솔 검사를 병행한 교차 검증도 수행했다. 결과적으로 연구팀이 개발한 모델은 스트레스 상태를 70%의 높은 정확도로 구별할 수 있는 것으로 나타났다. 향후 대규모 데이터셋을 통해 성능을 더욱 개선할 계획이다.

김 교수팀이 개발한 스트레스 탐지 모델은 음성 중 대화 내용 같은 언어적 정보는 배제하고, 음성 톤과 같은 비언어적인 요소만 분석했다. 이를 통해 교육 수준, 문화적 배경, 성장 환경 등의 영향을 받지 않는 보편적 모델을 구축할 수 있었다. 또한 모든 데이터는 로컬에서 처리되고 외부 서버로 전송되지 않기 때문에 개인정보 유출 위험을 최소화할 수 있다.

김정현 교수는 “개인 모바일 기기에서 주기적으로 스트레스 수준을 확인할 수 있다면 높은 스트레스가 감지될 경우 심호흡, 명상, 운동 등의 완화기법을 사용하거나 필요시 병원을 찾는 등 적절한 대처로 정신건강 관리에 도움이 될 것”이라며 “스트레스 탐지 모델의 정확도를 높이기 위해 다양한 음성 데이터와 심박변이도, 피부 전기활동 같은 생체신호와 결합하는 연구도 진행할 계획”이라고 전했다.

한편 이번 연구결과는 대한신경정신의학회 학술지 ‘Psychiatry Investigation’ 최신 호에 게재됐다.