KR101182069B1

KR101182069B1 - 발화문장의 운율분석을 통한 특발성 파킨슨병 진단장치 및 진단방법

Info

Publication number: KR101182069B1
Application number: KR1020110092583A
Authority: KR
Inventors: 윤규철; 강영애; 성철재
Original assignee: 영남대학교 산학협력단
Priority date: 2011-09-14
Filing date: 2011-09-14
Publication date: 2012-09-11

Abstract

본 발명은 파킨슨병의 진단장치 및 방법을 제공한다. 진단장치는 파킨슨병 유무를 진단받고자 하는 환자에 의해 발화된 문장을 녹음하는 녹음부; 미리 구축된 진단예측모델을 저장하는 저장부; 상기 녹음부에 녹음된 발화된 문장을 분석하는 분석부; 상기 저장부에 저장된 진단예측모델을 이용하여 상기 분석부에 의해 분석된 결과로부터 상기 환자의 파킨슨병 유무를 진단하는 진단부; 및 상기 구성요소들을 제어하는 제어부를 포함한다.

Description

발화문장의 운율분석을 통한 특발성 파킨슨병 진단장치 및 진단방법 {Diagnostic apparatus and method for idiopathic Parkinson's disease through　prosodic analysis of patient utterance}

본 발명은 파킨슨병 진단 장치 및 방법에 관한 것으로서, 보다 구체적으로는 파킨슨병 환자의 발화 문장의 운율상 특징을 파악하고, 파악된 특징을 이용하여 파킨슨병의 유무를 판단하는 진단 방법 및 장치에 관한 것이다.

파킨슨병은 퇴행성 뇌질환으로, 주 증상으로는 안정시 떨림(resting tremor), 운동 느림증(brady kinesia), 톱니바퀴식 경직(cogwheel rigidity), 자세 불안정(postural reflexes)가 있다. 대체적으로, 이러한 증상중 2가지 이상의 증상과 병리적 소견이 나타나면 특발성 파킨슨병으로 진단이 내려지게 된다. 이러한 신체적 임상 소견은 뇌신경 전달물질인 도파민의 생성이 80% 이상 손상되어야 나타나므로, 초기에 파킨슨병을 감별하는 것은 매우 어렵다. 또한, 이러한 파킨슨병에 따른 신체적 특징을 정상적인 노화 현상과 구분하는 것도 쉽지 않다.

지금까지는 파킨슨병을 진단할 수 있는 실용적이고 객관적인 검사도구가 없었기 때문에, 파킨슨병에 대한 의학적 진단이 일반적인 임상소견을 근거로 내려진다. 이에 따라, 신경과 전문의들사이에서도 진단차이가 발생하고, 다른 과의 전문의들사이에서도 파킨슨병과 정상적인 노화현상을 구별하지 못하는 경우가 있다. 환자와 그 가족들은 정확한 진단을 받기 위하여, 여러 기판(한의원, 정형외과, 재활의학과, 등)을 거치는 경우가 자주 발생하였으며, 이로 인해 경제적, 정신적 고통을 받게 되었다.

우리나라의 경우, 환자의 84%가 2개 의료기간에서 오진을 경험한 것으로 나타났으며, 발병후 파킨슨병으로 확진을 받기까지 무려 5년이나 소용되는 경우가 환자의 17%에 달할 정도로 개인적, 사회적 손실이 크다고 할 수 있다.

파킨슨병 환자들의 70%이상이 말(speech) 문제를 겪고 있는 것으로 알려져 있는데, 이는 파킨슨병일 가능성이 있는 환자들이 말하는 방식 (발화 방식)이나, 환자가 말한 문장(발화 문장)에 의해 파킨슨병의 유무를 간접적으로 파악할 수도 있음을 의미하는 것이다. 구체적으로, 환자 발화 문장의 음성학적 운율 분석을 통해 이러한 예측이 가능하다.

말은 분절음과 운율로 구성되어 있는데, 우리말의 경우 분절음은 보통 한글의 자모음 기호로 표현되는 발화단위이며, 운율은 이러한 분절음을 엮어 음파형태의 물리적 소리를 낼 수 있도록 해주는 아주 중요한 음악적 요소를 가리킨다. 주로 음도 (음의 높낮이), 강도 (음의 세기) 및 길이 (음의 길이)로 구성되어 있다.

파킨슨 환자의 경우, 분절음 측면에서는 정상인과 두드러진 차이를 보이지 않는 반면에, 운율측면에서는 특징적이고, 일관된 패턴을 보이는 경우가 대부분이다. 그러므로, 환자의 발화문자의 운율적 특성을 분석하고, 이를 파킨슨병의 진단예측을 사용할 수 있다.

기존의 음성분석 방법들은, 예를 들어 Kay 사 또는 Tiger 사의 음성분석 프로그램 사용 제품은 음성의 음질(voice qualilty) 분석만을 주로 수행하는 것으로, 문장 전체의 운율적 측면을 분석하는 것이 불가능하였다. 음성의 음질 분석만으로 파킨슨병을 정확하게 예측하는 것은 어렵다. 이는 환자의 발화 문장의 운율적 요소들을 통합적으로 관찰하고 분석하여야만 보다 정확한 진단 예측이 가능하기 때문이다.

보다 중요한 것은 기존의 분석 도구들이 주로 외국 기업가들이 외국인들을 상대로 한 연구에 바탕을 두고 있기 때문에, 우리나라 환자에게 직접적으로 적용하기에는 적절하지 못한 경우가 많다는 것이다. 따라서, 우리나라의 파킨슨병 환자들을 대상으로 수행한 연구 결과를 바탕으로 하는 진단 예측 도구에 대한 개발이 절실히 요구되고 있다.

본 발명은 환자의 발화 문장을 음성학적 운율측면에서 분석하여 파킨슨병을 진단 예측할 수 있는 진단 장치 및 방법을 제공한다.

또한, 본 발명은 우리나라의 특발성 파킨슨병 환자에 대한 발화문장의 음성학적 운율 분석을 통해 초기 특발성 파킨슨병을 진단 예측할 수 있는 진단 장치 및 방법을 제공한다.

본 발명의 일 견지에 따르면, 파킨슨병의 진단장치를 제공한다. 진단장치는 파킨슨병 유무를 진단받고자 하는 환자에 의해 발화된 문장을 녹음하는 녹음부; 미리 구축된 진단예측모델을 저장하는 저장부; 상기 녹음부에 녹음된 발화된 문장을 분석하는 분석부; 상기 저장부에 저장된 진단예측모델을 이용하여 상기 분석부에 의해 분석된 결과로부터 상기 환자의 파킨슨병 유무를 진단하는 진단부; 및 상기 구성요소들을 제어하는 제어부를 포함한다.

상기 진단예측모델은 상기 환자에 의해 발화될 상기 문장을 미리 지정하고, 파킨슨병에 대해 확진을 받은 환자들로 구성된 환자군 및 정상인들로 구성된 통제군이 발화한 상기 진단용 문장을 녹음하고, 녹음된 발화된 문장의 운율을 분석하며, 운율 분석결과를 이용하여 다변량 통계분석, 자동기계학습 알고리즘을 통해 구축하는 것이 바람직하다.

상기 발화된 문장의 운율 분석은 발화된 문장의 음도, 강도, 및 길이를 분석 툴을 이용하여 수행되는 것이 바람직하다.

상기 저장부는 상기 분석부의 분석결과 및 상기 진단부의 분석결과를 더 저장하는 것이 바람직하다.

본 발명의 다른 견지에 따르면, 파킨슨병의 진단방법을 제공한다. 진단 방법은 파킨슨병에 대한 진단예측모델을 구축하고; 파킨슨병 유무를 진단받고자 하는 환자가 발화한 진단용 문장을 녹음하며, 상기 진단예측모델로부터 상기 녹음된 환자의 발화 문장을 분석하고; 및 상기 분석 결과에 의해 상기 환자의 파킨슨병 유무를 진단한다.

상기 진단예측모델을 구축하는 것은 상기 진단예측모델을 구축하기 위해 파킨슨병에 대해 확진을 받은 환자들로 구성된 환자군과 파킨슨병과 무관한 정상인들로 구성된 통제군이 발화한 상기 진단용 문장을 녹음하고; 상기 녹음된 문장으로 부터 상기 진단예측모델을 구축하는데 사용될 변수들을 계산하며; 및 상기 계산된 변수들을 이용하여 상기 진단예측모델을 구축하는 것을 포함한다.

상기 질병을 확진받은 환자를 상기 환자군에 추가하고 정상인들을 통제군에 더 추가하여 지속적으로 상기 진단예측모델을 업데이트하는 것을 더 포함하는 것이 바람직하다.

이상에서 설명한 바와 같은 본 발명의 파킨슨병의 진단장치 및 진단 방법에 따르면, 진단 예측에 관련된 일련의 과정들이 비침습적이므로 환자에게는 고통을 전혀 주지 않으며, 또한 이동이 불편한 환자의 경우에도, 녹음기를 통해 녹음할 수 있으므로 진단과정이 편리한 이점이 있다. 또한 휴대용 디지털 녹음기의 경우 일반인들도 용이하게 취급할 수 있으므로, 전문가의 동반없이 환자 가족들이 조용한 방에서 직접 녹음을 수행할 수도 있어 사용상 편리함을 더 제공할 수 있다.

진단용 문장의 녹음이 끝나면, 발화 녹음에 대하여 길이단위별(자모음, 음절, 단어) 분절 작업을 컴퓨터 프로그램(예, 프랏 등)을 이용하여 신속하게 수행될 수 있다. 일단 분절 작업이 끝나면, 본 발명의 일부인 자동화된 프로그램(예, 프랏의 스크립트로 짜여진 프로그램)을 통해 진단예측모델을 적용할 수 있으며, 그 결과 해당 환자가 정상군에 속할지 아니면 특발성 파킨슨병 집단에 속할지가 확률로 출력될 수 있다. 이런 빠른 결과 출력은 임상에서 진단 보조 도구로 활용하기에 매우 편리함을 제공할 수 있다.　　

본 발명에서 구축된 진단예측모델은 모델 구축에 활용된 환자군과 통제군 이외에도 지속적으로 환자와 정상인의 자료를 추가하여 모델의 성능을 향상시킬 수 있는 장점이 있다.

한편, 본 발명은 신경과학 분야에서 특발성 파킨슨병 진단 활용과 파킨슨병외 신경손상 환자 대상자 조기 진단에 활용할 수 있으며, 타진료부(재활의학, 정형외과, 가정의학과, 등등)에서는 특발성 파킨슨병 진단예측 정보를 제공할 수 있다. 또한, 언어병리학 분야에서 한국어 대상 신경 말 손상 환자의 운율관련 치료 목표 에 활용할 수 있다. 또한, 말 과학 분야에서 변수 개발 및 운율 관련 연구의 기초자료로 활용될 수 있다.

도 1은 본 발명의 실시예에 따른 파킨슨병 진단을 위한 진단장치의 블럭도이다.
도 2는 본 발명의 실시예에 따른 파킨슨병 진단을 위한 진단예측모델을 구축하는 방법을 설명하기 위한 개념도이다.
도 3은 본 발명의 실시예에 파킨슨병 진단을 위한 진단방법을 설명하기 위한 흐름도이다.
도 4는 본 발명의 실시예에 따른 발화된 문장의 운율 분석을 통해 진단예측모델을 구축하는 방법을 설명하기 위한 도면이다.
도 5(a)는 본 발명의 실시예에 따른 진단용 문장을 분절 단위별로 표시한 도면이다.
도 5(b)와 (c)는 본 발명의 실시예에 따른 진단용 문장에 대한 음도 변수 및 강도 변수를 표시한 도면이다.
도 6은 본 발명의 실시예에 따른 진단예측모델 구축용 환자군과 통제군의 분포를 도시한 도면이다.
도 7은 본 발명의 실시예에 따른 진단예측모델 구축용 통제군의 음절별 강도곡선을 도시한 도면이다.

이하 본 발명의 실시예를 첨부된 도면을 참조하여 설명한다.

도 1은 본 발명의 실시예에 따른 파킨슨병 진단을 위한 진단장치의 블럭도를 도시한 것이다.

도 1을 참조하면, 진단장치(100)는 녹음부(200), 저장부(300), 분석부(400), 진단부(500) 및 제어부(600)를 포함한다.

도면상에는 도시되지 않았으나, 상기 제어부(600)는 상기 녹음부(200), 저장부(300), 분석부(400) 및 진단부(500)와 무선 또는 유선방식으로 연결되어 상기 구성요소들을 제어할 수 있다.

상기 녹음부(200)는 카디오이드 다이나믹형 헤드셋 마이크(Shure WH20 XLR, USA)와 Praat (ver. 5132, Amsterdam, Netherlands)를 이용할 수 있으며, 22,050Hz 표준화율, 16비트 양자화 조건에서 디지탈화할 수 있다.

상기 저장부(300)에는 파킨슨병 진단을 위해 구축한 진단예측모델이 저장되어 있다. 상기 저장부(300)는 롬(ROM)으로 구성되어 상기 진단예측모델이 저장될 수 있다. 다른 예로서, 상기 저장부(300)는 롬과 램(RAM)으로 구성되어, 상기 롬은 상기 진단예측모델을 저장하고, 상기 램에는 진단부(400)의 진단결과 및/또는 분석부(500)의 분석결과를 저장할 수도 있다. 또 다른 예로서, 상기 제어부(600)내에 저장부가 구축되어 진단예측모델을 저장하거나 또는 진단예측모델 및 진단부(400)의 진단결과 및/또는 분석부(500)의 분석결과를 저장할 수도 있다.

상기 분석부(400)는 상기 녹음부(200)에 녹음된 환자로부터 발화된 문장을 저장부(300)에 저장된 상기 진단예측모델을 이용하여 분석하여, 파킨슨병 진단을 위한 분석결과를 제공한다. 상기 분석부(400)는 분석툴을 구비하여 상기 파킨슨병 진단을 자동적으로 수행할 수 있다.

상기 진단부(500)는 상기 분석부(400)의 분석결과를 이용하여 파킨슨병의 유무를 진단한다.

도면에는 도시되지 않았으나, 상기 진단장치(100)가 출력부를 더 구비하여, 상기 분석결과 또는 진단결과를 표시할 수 있다. 상기 출력부는 디스플레이 또는 프린터 등을 포함할 수 있다.

도 2는 도 1의 진단장치를 이용하여 파킨슨병의 진단을 진단하는 과정을 개략적으로 설명하는 도면이다.

도 2를 참조하면, 모델 구축용 데이타(310)로서, 진단예측모델(340)을 구축하는 데 필요한 정상인들(이하 "통제군"이라 한다) 및 환자들(이하 "환자군"이라 한다)에 대한 확진 정보(320)와 상기 모델 구축용 통제군과 환자군의 변수별 측정값(330)을 이용하여 특다발성 파킨슨병을 진단하기 위한 진단예측모델(340)를 구축한다.

구축된 진단예측모델(340)을 이용하여 파킨슨병에 대한 진단을 받기 위해 외래병원(350)에 내원한 환자의 파킨슨병 유무를 진단한다. 구체적으로, 상기 환자의 파킨슨병 진단을 위한 변수별 측정값(360)을 구하고, 진단예측모델(340)을 이용하여 상기 환자로부터 구해진 측정값(360)으로부터 상기 환자의 파킨슨병 유무를 진한다(370).

도 3은 본 발명의 실시예에 따른 파킨슨병 진단 방법을 설명하기 위한 흐름도를 도시한 것이다.

상기 파킨슨병 진단방법은 진단용 문장 지정동작(410), 발화된 진단용 문장 녹음동작(420), 진단예측모델 구축동작(430), 파킨슨병 진단을 받기 위해 병원에 내원한 환자의 진단용 문장 녹음동작(440), 상기 환자가 발화한 진단용 문장의 운율 분석동작(450) 및 분석된 운율을 이용하여 상기 환자의 파킨슨병 유무 진단 동작(460) 순으로 진행할 수 있다.

먼저, 상기 진단용 문장 지정동작(S410)에 대해 설명한다. 본원 발명은 특발성 파킨슨병의 진단을 의료적 시술이나, 검사를 통해서 수행하는 것이 아니라, 환자의 발화 방식을 분석하여 수행하는 것이므로, 진단을 위한 문장을 미리 지정한다. 이때, 상기 진단용 문장은 환자의 편의와 분석의 신속성을 고려하여 결정되며, 문장의 수를 가능한 최소화시키는 것이 바람직하다. 예를 들어, 한두 문장 또는 서너 문장이 바람직하다. 또한, 파킨슨병 환자들은 음도, 강도, 길이 변수에 어려움을 나타내므로, 이러한 변수에 따른 차이를 한 번에 보여줄 수 있는 문장, 예를 들어 한글 문장을 지정하는 것이 바람직하다. 또한, 문장의 음도 곡선의 변화를 유발시키기 위하여, 진단용 문장은 평서문, 의문문 및 감탄문으로 구성될 수 있다. 예를 들어, 진단용 문장으로 "아침은 춥고, 낮에는 덥지" 등과 같은 평서문을 지정할 수 있는데, 이는 무감정 상태의 사실 기술의 문장 내용이고. 중간 쉼을 기준으로 앞뒤 일정한 길이를 보유하고 있기 때문이다.

본 발명에서는 발화된 문장의 운율을 분석하여 파킨슨병의 유무를 진단하는 이유는 다음과 같다. 특발성 파킨슨병을 확진받은 환자들은 말할 때 다음과 같은 특징을 갖는 것으로 알려져 있다. 첫째, 발화 문장의 음도와 강도의 범위가 축소된다. 사람은 대체로 문장을 말할 때, 문장 내의 특정 단어를 강조하거나, 대조시키거나, 또는 내용상 두드러지게 표현하고자 하는 등의 여러 복잡한 요인들에 의해 음도가 계속적으로 변하게 된다. 보통 억양 혹은 인토네이션은 음도의 시간에 따른 변화를 의미하며, 정상인의 경우 시간에 따른 음도의 오르내림(음도 곡선)이 뚜렷하게 존재한다. 이에 반해, 특발성 파킨슨병 환자의 경우 정상인에 비해 이러한 음도의 변화 범위가 상당히 축소되어 기계음처럼 단조로운 패턴을 보이는 경향이 있다. 또한, 강도의 변화도 정상인에 비해 축소되는 경향이 있다. 둘째로, 파킨슨병 환자들의 경우 발화속도가 빨라지는 것이다. 발화속도는 무운동증(akinesia)의 영향으로 서서히 빨라지는 것으로 알 수 있다.

한편, 음도와 강도 범위의 축소는 정상인들의 경우에도 질병에 걸렸을 때 나타날 수 있으나, 파킨슨병 환자들이 보이는 음도와 강도 범위 축소는 단순히 일반 환자에게서 나타나는 정도를 벗어나, 기계음으로 표현할 수 있을 정도로 그 정도가 매우 심하며, 감정이 전혀 없는 상태에서 발화하는 것과 매우 유사하기 때문에 본 발명에서 이를 진단에 이용하는 것이다. 그러므로, 진단용 문장을 상기와 같이 지정한 다음 발화된 문장을 녹화하고, 발화된 문장의 두드러진 운율적 특성을 다양한 예측 음성학적 변수들을 기반으로 하여 진단예측모델을 구축하여 저장하고, 이를 이용하여 특발성 파킨슨병 환자를 진단할 수 있다.

이어서, 녹음동작(S420)에 대해 설명하면, 먼저 진단예측 모델을 구축하기 위한 환자군과 통제군을 선별한다. 본 발명에서는 환자군으로 파킨슨병 진단을 받기 위해 병원에 내원한 환자로서, 항파킨슨병 약물을 복용하기 전 상태인 특다발성 파킨슨병 환자(IPD, Idiopathic Parkinson's disease)들을 환자군으로 선별할 수 있고, 통제군으로는 일상생활에 어려움을 초래하는 인지 능력과 청력에 문제가 없으며 신체활동에 불편이 없는 정상 노인들을 선별할 수 있다.

상기 선별된 환자군과 통제군이 상기에서 지정된 문장을 소리내어 읽으면, 이를 녹음부를 통해 녹음한다. 이때, 진단용 문장의 녹음 시간은 대략 5분으로 정해질 수 있다. 이러한 녹음동작은 조용한 장소, 예를 들어 별도의 녹음실에서 수행될 수 있다. 구체적으로, 녹음과정은 진단예측모델 구축을 위한 통제군과 환자군이 녹음실에서 마이크, 예를 들어 헤드셋 형태의 마이크를 통해 소리내어 상기 진단용 문장을 읽으면, 발화된 문장이 녹음되어진다. 경우에 따라서는, 병실, 집 등과 같은 조용한 장소에서 수행될 수도 있다.

이어서, 진단예측모델(도 2의 330)을 구축하는 동작(S430)을 설명한다.

본 발명의 운율 분석에 사용된 예측 변수는 크게 시간 흐름을 고려한 변수 (동적 변수)와 시간 흐름을 배제한 변수 (정적 변수)로 나눌 수 있다. 동적 변수로는 음도, 강도 및 길이 등과 같은 운율 관련 변수와 기울기 관련 변수들이 있으며, 정적 변수로는 시간 흐름을 배제한 상태에서의 각 변수의 수치 변동이 있다.

먼저, 모델 구축에 사용된 동적 변수중 운율 관련 변수로 기본 주파수 (F0), 강도(intensity) 및 길이(duration)가 있다. 기본 주파수(F0)는 문장의 분절 구간별 음도(Hz)를 의미하고, 강도는 문장의 분절 구간별 강도(dB)를 의미하며, 길이는 문장의 분절 구간별 길이(sec)를 의미한다.

한편, 상기 동적 변수의 기울기 관련 변수는 최고 기본주파수 기울기(MaxFO_slope), 평균 강도 기울기(MeanEnergy_slope), 반음 기울기(SemiT_slope), 최고 강도 기울기(MaxEnergy_slope), 및 평균 음도 기울기(MeanF0_slope) 등이 있다.

최고 기본주파수 기울기(Hz/sec)는 분절의 최대 음도를 그 지점에서의 시간으로 나눈 값을 의미한다. 평균 강도 기울기(Hz/sec)는 분절의 평균 음도를 구하고, 그 분절의 중간 시간으로 나눈 값을 의미한다. 반음 기울기(Hz/sec)는 음도값을 세미톤으로 변경하고, 프레임 단위의 시간 값과 음도를 구하고, 앞뒤 프레임간의 차이 값을 절대값 처리하며, 문장의 전체 시간 변화량으로 나눈 값을 의미한다(semitone/sec). 최고 강도 기울기(dB/sec)는 분절의 최대 음도를 시간으로 나눈 값을 의미한다. 평균음도 기울기(dB/sec)는 분절의 평균 강도를 구하고, 그 분절의 중간 값으로 나눈 값을 의미한다.

정적인 변수로는 최고 기본 주파수(Highest_F0), 최저 기본 주파수(Lowest_F0), 주파수 범위(Range_F0), 기본 주파수 평균(Mean_F0), 최고 강도(HIghest_dB), 최저 강도(Lowest_dB), 강도 평균(Mean_dB), 음도 기울기(Slope_Hz _- _time), 및 강도 기울기(Slope_dB _- _time) 등이 있다.

최고 기본기울기(Hz)는 전체 문장에서의 최대 음도를 의미하고, 최저 기본 주파수(Hz)는 전체 문장에서의 최저 음도를 의미하며, 기본주파수 범위(Hz)는 최고 기본주파수와 최저 기본주파수의 차를 의미한다. 또한, 최고 강도(dB)는 전체 문장에서의 최고 강도를 의미하며, 최저 강도(dB)는 전체 문장에서의 최저 강도를 의미하며, 강도 평균(dB)는 전체 평균에서의 평균 강도를 의미한다. 음도 기울기(Hz/sec)는 전체 문장에 대한 음도 변화량을 시간으로 나눈 값을 의미하고, 강도 기울기(dB/sec)는 전체 문장에 대한 강도 변화량을 시간 변화량으로 나눈 값을 의미한다.

본 발명에서는, 녹음된 문장을 분석할 때 운율 분석을 기반으로 한다. 음질 분석은 단일 연장 모음 발성을 대상으로 시간 흐름을 배제하여 일정한 구간만을 선택적으로 분석할 수 있다. 구체적으로, 운율 분석은 음운 현상에 따라 음절 경계 변동, 선행 자음과 후행 자음의 영향에 따른 동화 현상, 어말장음화 현상, 등은 자연스러운 현상이므로, 이러한 지식을 바탕으로 운율 분석이 이루어질 수 있다. 도 1의 분석부(400)내의 자동화된 분석 틀내에서 운율 분석을 감안하여 분석 조건과 변수를 설정해야 한다.

먼저, 동적 변수인 3변수, 음도, 강도 및 길이를 이용하여 상기 저장부(300)에 저장된 진단예측모델을 구축하는 방법을 설명한다.

상기 통제군과 환자군의 분석 문장에 대하여 음도, 강도, 및 길이의 세변수에 대한 측정값을 구한다. 이는 Praat 이나 Wavesurfwe 등과 같은 일반적으로 널리 알려진 음석 분석 프로그램을 이용한다. 이어서, 도 4에 도시된 바와 같이, 동일한 문장에 대하여, 구해진 3변수별 유클리드거리에 기초하여 환자군중 한 명과 통제군 모두에 대하여 비교하여 해당하는 해당하는 환자의 환자군 점수세트를 구한다.

n차원 상의 두 점 사이의 유클리드 거리(euclidean distance) 계산 공식은 다음과 같다.

식 중에서, n차원상에서 P와 Q는 각각 P=(p1, p2, p3,...pn)이고, Q=(q1,q2,...qn) 이다.

구체적으로, 동적 변수를 확인하기 위하여, 발화된 문장을 어절 혹은 음절별로 분절해야 하는데, 일예로 진단용 문장으로 "아침은 춥고, 낮에는 덥지" 를 사용하였을때의 어절별로 구분한 경우 도 5(a)에 도시된 바와 같으며, 분절은 음파와 스펙트로그램을 동시에 참조하여 결정한다. 즉, 음도와 강도에 대한 변수값을 구하기 위하여 환자군의 발화된 문장과 통제군의 문장에 대하여 분절 단위별로 표시를 하고, 길이를 PSOLA 알고리즘을 활용하여 동일하게 만들어 준다.

그 다음, 도 5(b)에 도시된 바와 같이, 환자군의 문장과 통제군의 문장의 음도 변수의 차이를 구하고, 도 5(c)에 도시된 바와 같이, 환자군의 문장과 통제군의 문장의 강도 변수의 차이를 구한다. 이때, 길이를 통제한 상태에서 음도 및 강도를 비교하는데, 길이가 통제되었다는 것은 환자군과 통제군의 발화 길이를 분절 단위별로 동일하게 만들었음을 의미한다. 이는 동일 문장이라도 사람마다 발화 문장의 길이는 다르며,발화길이가 다른 것은 숨(breath)의 분배가 다른 것이므로 음도와 강도의 차를 초래할 수 있기 때문이다. 그러므로, 통제군과 환자군을 비교하기 위하여 문장의 길이를 통일시켜 두 집단간의 음도 및 강도 차이를 구해야 한다.

통제군의 발화 문장 길이가 기준이 되며, 환자군의 길이를 통제군에 맞추어 분절 단위별로 늘려주거나 줄여준다. 문장길이 통일 방법은 수동으로 하거나, 동적길이변환(Dynamic Time Warping, DTW) 기법을 이용할 수 있고, 환자군과 통제군의 음도 곡선을 구성하는 n개의 피치점들을 n차원 공간 내에서의 두 점으로 간주하고, 이들 두 점 사이의 거리를 유클리드 거리(Euclidean distance) 공식을 이용하여 계산하여 이를 두 문장 사이의 음도 차이를 나타내는 변수로 지정한다.

한편, 길이 변수는 도 5(a)와 같이 진단 문장을 분절 단위별로 표시한 후 동일하게 만들기 전에, 분절 단위별로 길이를 비교를 하여 길이 변수값을 산출한다. 일예로, 길이 비교는 길이 복제 합성을 하기 전의 원래의 문장을 대상으로 음절별 길이를 비교하는데, 음도와 강도와 마찬가지로 한 문장내에 존재하는 n개의 음절 길이를 n개의 좌표로 생각하고 다른 문장을 m개의 지표로 가정하여 유클리드 거리를 구한다.

도 7은 상기 진단용 문장인 "아침은 춥고, 낮에는 덥지."에 대한 통제군의 음절별 강도곡선을 도시한 것이다.

상기에서 구하여진 세 좌표로 이루어진 환자의 점수 세트를 음도, 강도, 길이의 3 축으로 이루어진 3차원 공간에 좌표점으로 표현하면, 통제군에 대하여 환자가 통제군의 운율적 측면에서 어느 정도 벗어나 있는가를 알 수 있다. 즉, 환자의 점수 세트는 3차원 공간의 원점(0,0,0)에서 멀리 떨어져 있는 정도로 표현할 수 있다.

통제군 각각에 대해서도 나머지 통제군 모두를 대상으로 일대일로 상기와 같은 방법으로 비교하여 각 통제군 구성원별로 점수 세트를 구하고, 점수세트를 같은 3차원 공간에 좌표점으로 표현한다. 통제군은 정상인들로 이루어져 있으므로, 도 6과 같이, 3차원 공간의 원점 근처에서 무리를 이루게 된다.

도 6의 좌측 도면은 통제군 모두와 한 명의 환자군에 대한 점수 세트의 분포도를 도시한 것이고, 도 6의 우측 도면은 통제군 모두와 환자군 모두에 대한 점수 세트의 분포도를 도시한 것이다. 도 6으로부터 통제군은 3차원 공간의 원점 근저에서 무리를 이루고, 환자군은 3차원 공간내에 분포를 이루고 있음을 알 수 있다.

상기 진단예측모델은 예측변수들의 값들이 모델 공간에 어떤 식으로 분포하는지를 토대로 만들어지게 된다. 본 발명에서는 관측값들을 근거로 미지의 값을 분류할 수 있는 다변량 통계방법의 하나인 판별 분석을 활용하여 진단예측모델을 구축하는 것을 예시하였으나, CART와 같은 기계학습 방식이나 신경망과 같은 방식을 활용하여 진단예측모델을 구축할 수도 있다.

또한, 이상에서는 상기 진단예측모델을 구축에 운율의 3가지 속성인 음도, 강도 및 길이를 이용하는 것을 예시하였으나, 상기 모델구축에 이용되는 변수들의 개수는 실질적으로 제한이 없다. 따라서 운율의 세가지 속성인 음도, 강도, 길이 외에 각 분절별(음절 혹은 어절) 변수들의 수치 변동을 선형회귀로 나타낸 기울기 관련 변수들을 추가할 수 있으며, 이로 따라 진단 예측력을 크게 증가시킬 수 있다.

이상에서와 같이, 통제군과 환자군의 3차원 공간 내의 무리 집단을 다변량 통계방법, 예를 들면, 판별함수 등으로 설정해 놓고, 미지의 환자에 대하여 판별분석의 형태로 예측을 시행하면 이 환자가 과연 정상군에 속할 확률이 높은지, 환자군에 속할 확률이 높은지를 확률값으로 알아낼 수 있는 것이다.

이어서, 파킨슨병 진단을 위한 환자의 진단용 문장을 녹음하는 동작(S440)을 수행한다. 구체적으로, 파킨슨병 유무에 대한 진단을 받기 위하여 병원에 내원한 환자가 상기에서 진단예측모델(도 2의 340)을 구축하기 위하여 지정된 진단용 문장을 발화하고, 이를 마이크 등을 이용하여 녹음한다. 녹음동작은 녹음에서 수행하거나, 입원한 환자의 경우는 병실이나, 퇴원한 환자의 경우 집에서 수행될 수 있다.

다음, 환자의 진단용 문장을 분석하는 동작(S450)을 수행한다. 예를 들어, 임상가는 수동 혹은 반자동적으로 환자에 의해 발화된 진단용 문장의 운율 분석을 수행하고, 저장부에 저장된 진단예측모델을 이용하여 분석하며, 그 결과를 특발성 파킨슨병 확진에 필요한 보조적 정보를 제공한다.

일예로, 임상가가 녹음된 진단용 문장을 분석하는 것을 예시하였으나, 도 1에서와 같이 진단부(400)내의 분석틀을 이용하여 저장부에 저장된 진단예측 모델을 이용하여 환자에 의해 발화된 진단용 문장의 운율을 자동적으로 분석할 수 있다.

마지막으로, 분석된 결과에 근거하여 환자의 파킨슨병 유무를 진단하는 동작(S460)을 수행하게 된다. 상기 환자의 파킨슨병 유무는, 예를 들어 임상가 또는 담당 의사가 수동 또는 반자동으로 진단할 수 있다. 다른 예로서, 도 1에서와 같이, 진단 장치가 별도의 진단부(500)를 구비하여 진단 툴을 이용하여 자동적으로 상기 분석부로부터 제공되는 분석 결과와 진단예측모델로부터 환자의 파킨슨병 유무를 진단할 수도 있다.

특발성 파킨슨병 진단은 전적으로 신체 증상을 기반으로 이루어지며, 하기의 5개의 항목으로 제공될 수 있다. "0"이면 말(speech)가 "정상"이고, "1"이면 "약간 표현 정도가 감소되어있고 말수나 목소리 크기가 감소된 정도"를 의미한다. "2"는 "말이 느리고 단일 톤이나 알아들을 수 있는 정도이며 중등도의 손상으로 평가할 수 있는 정도"를 의미한다. "3"은 "심한 손상으로 알아듣기 힘든 정도"를 의미하고, "4"는 "거의 알아들을 수 없는 정도의 심한 손상"을 의미한다.

도면상에서는 도시되지 않았으나, 상기 분석결과 또는 진단결과는 디스플레이를 통해 표시되거나 또는 프린트되어 출력될 수 있다.

본 발명에서 구축된 진단예측모델을 활용하여 성능 검증을 수행한 결과, 남성군에서는 83.9%, 여성군에서는 93.1%의 경우에 정확한 진단을 수행하였다. 모델 구축에 사용된 변수들 중에서 특히 기울기 관련 변수들이 올바른 예측에 상대적으로 큰 기여를 한 것으로 분석되었다.

본 발명의 진단방법은 지속적으로 진단예측모델의 성능을 향상시키기 위하여, 파킨슨병을 확진받은 환자들을 환자군에 추가하고, 이들에 대한 계속적인 데이터 확보와 변수를 추가하여 진단예측모델을 업데이트할 수 있다. 이에 따라 우리나라 특발성 파킨슨병 확진 환자들의 자료를 지속적으로 확보함에 따라 구축된 진단예측모델을 보완함과 동시에 정상군의 자료도 보완하여 진단예측모델의 정확도도 증가시킬 수 있다.

특발성 파킨슨병의 진단예측모델을 구축하기 위하여, 모델 구축용 환자군과 정상군에 속하는 사람들의 변수별 측정값과 이들에 대한 확진정보(정상/환자 여부)를 다변량 통계기법이나 자동기계학습의 형태로 저장할 수 있으며, 이와 같이 구축된 진단예측모델을 추가적인 정상군과 환자군 정보를 입력하여 그 정확성과 신뢰도가 향상시킬 수 있다.

이상과 같이 본 발명에 따른 실시예를 바탕으로 하여 본 발명을 상술하였지만, 본 발명은 상기와 같은 실시예 및 첨부된 도면에 한정되지 않으며 본 발명이 속하는 업계의 당업자가 단순 변형하거나 치환하여 실시하는 기술이 본 발명의 범위에 포함되는 것은 당연하다.

100: 진단장치 200: 녹음부
300: 저장부 400: 분석부
500: 진단부 600: 제어부

Claims

파킨슨병의 유무를 진단받고자 하는 환자에 의해 발화된 문장을 녹음하는 녹음부;
미리 구축된 진단예측모델을 저장하는 저장부;
상기 녹음부에 녹음된 발화된 문장을 분석하는 분석부;
상기 저장부에 저장된 진단예측모델을 이용하여 상기 분석부에 의해 분석된 결과로부터 상기 환자의 파킨슨병 유무를 진단하는 진단부; 및
상기 녹음부, 저장부, 분석부 및 진단부를 각각 제어하는 제어부를 포함하는 파킨슨병의 진단장치에 있어서,
상기 진단예측모델은;
상기 환자에 의해 발화될 상기 문장을 미리 지정하고, 파킨슨병에 대해 확진을 받은 환자들로 구성된 환자군 및 정상인들로 구성된 통제군이 발화한 진단용 문장을 녹음하고, 녹음된 발화된 문장의 운율을 분석하며, 운율 분석결과를 이용하여 다변량 통계분석 및 자동기계학습 알고리즘을 통해 구축하는 것을 특징으로 하는 파킨슨병의 진단장치.
삭제
제1항에 있어서,
상기 진단예측모델에서의 발화된 문장의 운율 분석은;
상기 발화된 문장의 음도, 강도, 및 길이를 분석하여 수행되는 것을 특징으로 하는 파킨슨병의 진단장치.
제1항에 있어서,
상기 저장부는;
상기 분석부의 분석 결과 및 상기 진단부의 진단 결과를 더 저장하고,
상기 파킨슨병에 대해 확진받은 환자를 상기 환자군에 추가하고, 정상인들을 통제군에 추가하여 주기적으로 상기 진단예측모델을 업데이트하는 것을 특징으로 하는 파킨슨병의 진단장치.
삭제
삭제
삭제