증거 기반 자폐 스펙트럼 장애 선별을 위한 멀티모달 LLM 개발
A multimodal large language model for evidence-based autism spectrum disorder screening
arXiv연구진은 비디오, 오디오, 대화 등 다양한 양식을 분석하는 멀티모달 LLM 'ASDchat'을 개발하여 자폐 스펙트럼 장애(ASD)의 증거 기반 조기 선별에 활용할 수 있게 했습니다.
- 이 모델은 ASD와 정상 발달 아동 구분에서 AUC 0.953이라는 높은 성능을 보였으며, 행동 증거를 시간대별로 추적하고 하위 유형까지 분류하여 맞춤형 중재 방안을 제시합니다.
- 전문가 부족과 주관성이 문제였던 기존 ASD 선별의 한계를 극복하며, 대규모 환경에서도 객관적이고 과학적인 조기 진단이 가능할 실마리를 제공합니다.
- 모델은 중국 27개 기관 데이터를 기반으로 평가되었으며, 실제 임상 적용을 위해서는 다양한 인종과 환경에서의 추가 검증 및 통합 작업이 필요합니다.
ASDchat은 자폐 스펙트럼 장애(ASD)의 임상 관리가 조기 선별 단계에서 전문가 부족 및 기존 평가 도구의 주관성이라는 병목 현상을 겪는 문제를 해결하기 위해 설계된 입니다. 이 모델은 비디오, 오디오, 대화 등 다양한 형태의 입력을 받아 증거 기반의 ASD 선별을 수행하는 것을 목표로 합니다.
ASDchat은 의사결정(decision) 브랜치와 증거(evidence) 브랜치로 구성된 이중 구조를 채택했습니다. 의사결정 브랜치는 선별 확률을 생성하며, 증거 브랜치는 표준화된 임상 기준인 ADOS-2에 맞춰 추적 가능한 타임스탬프가 찍힌 행동 증거를 생성합니다. 중국 27개 기관의 1,035명 참가자 데이터셋으로 평가했을 때, ASD와 정상 발달 아동을 구분하는 AUC는 0.953 ± 0.021에 달했습니다.
나아가 이 모델은 행동 차원에 대한 비지도 군집화(unsupervised clustering)를 통해 ASD 사례를 서로 다른 표현형 프로필을 가진 여섯 가지 하위 유형으로 분류할 수 있습니다. 이를 바탕으로 각 하위 유형에 맞는 중재 방안을 제시하며, 대규모 환경에서 객관적이고 증거 기반의 조기 ASD 선별이 가능한 실질적인 경로를 제공합니다.
용어 풀이
- 멀티모달
- 글뿐 아니라 이미지·음성·영상처럼 여러 형태의 입력을 함께 다루는 것.
- LLM
- 방대한 글을 학습해 문장을 이해하고 만들어 내는 AI 모델. ChatGPT, Claude, Gemini가 여기에 속해요.