음성·폐 신호 통합 분석 하이브리드 AI 모델 개발

주장비침습적 건강 모니터링 시스템은 질병의 조기 진단과 원격 환자 관리를 가능하게 하는 핵심 기술입니다. 이번 연구는 음성과 폐 신호를 통합 분석하는 다중 네트워크 모델을 통해 의료 모니터링의 새로운 접근 방식을 제시합니다.

팩트연구팀은 합성곱 신경망(CNN)과 양방향 순환 신경망(BiRNN)을 결합한 CBiRNN 모델을 개발했습니다. 이 모델은 음성 데이터와 폐 데이터를 병렬로 처리하여 질병 식별의 정확도를 높입니다.

팩트데이터 처리를 위해 멜 주파수 셉스트럼 계수(MFCC)를 활용하여 신호의 주파수 스펙트럼을 추출했습니다. 이러한 방식은 복잡한 생체 신호에서 유의미한 특징을 효과적으로 포착합니다.

팩트실험 결과, 제안된 CBiRNN 모델은 음성 장애 탐지에서 92%, 호흡기 장애 탐지에서 98%의 정확도를 기록했습니다. 두 데이터를 통합한 앙상블 모델은 음성과 폐 질환 예측 모두에서 98%의 높은 정확도를 달성했습니다.

주장다중 모달 처리 기술은 기존의 단일 신호 분석 방식보다 더 정밀한 진단 도구를 제공합니다. 이는 앞으로 의료 현장에서 환자의 상태를 실시간으로 모니터링하는 데 중요한 역할을 합니다.

팩트해당 논문은 2025년 1월 10일에 접수되어 2025년 12월 12일에 승인되었습니다. 최종적으로 2026년 5월 2일에 공식 출판되었습니다.

교차검증본 연구는 인도 코임바토르 소재의 KPR 공과대학과 Dr. N.G.P. 공과대학 연구진이 수행했습니다. 연구진은 이해 상충이 없음을 명시했으며, 해당 연구는 네이처의 사이언티픽 리포트에 게재되었습니다.

교차검증본 연구는 크리에이티브 커먼즈 라이선스에 따라 오픈 액세스로 제공됩니다. 연구 결과의 재사용이나 배포 시에는 원저자에 대한 적절한 출처 표기가 필요합니다.

주장이번 기술은 원격 의료의 한계를 극복하고 의료 자원이 부족한 지역에서도 고품질의 진단 서비스를 제공할 수 있는 가능성을 열어줍니다. 하이브리드 딥러닝 모델의 확장은 앞으로 개인 맞춤형 헬스케어 산업의 성장을 견인합니다.

출처Revathi, S., Mohanasundaram, K. & Naveen, P.의 논문 'Hybrid deep learning model for multimodal vocal and lung signal analysis in health monitoring'을 교차 검증했습니다. (Sci Rep, 2026, https://doi.org/10.1038/s41598-025-32779-0)