Speech-based Dementia Risk Detection Model Using BERT

고령화의 가속화로 치매 환자 수가 급증함에 따라, 이들의 돌봄과 위험 대응을 위한 기술적 접근이 요구되고 있다. 본 연구는 치매 환자의 발화 데이터를 기반으로 위험 상황을 탐지하는 딥러닝 분류 모델을 개발하고, 예측 결과를 해석할 수 있는 XAI 기법 LIME을 적용하였다. 위험 및 정상 발화 데이터를 수집 및 선별하여 데이터셋을 구축한 후, KoBERT, KoELECTRA, KcELECTRA, KLUE-RoBERTa의 네 가지 한국어 사전 학습 언어 모델을 미세조정하여 성능을 비교하였다. 학습 과정에서 과적합 현상이 확인되어 하이퍼파라미터 조정을 실시하였으며, 특히 특정 모델은 dropout 비율 조정만으로도 성능이 개선됨을 확인하였다. 실험 결과, KcELECTRA 모델이 F1-score 0.9644, Recall 0.9595로 가장 우수한 성능을 기록하였다. 또한, LIME 알고리즘을 활용해 각 클래스별 주요 단어와 오분류 사례를 분석한 결과, 일부 예측은 특정 단어에 대한 과도한 의존으로 인해 발생한 오류임을 확인하였다. 이를 통해 치매 환자의 실시간 발화를 활용하여 위험 상황을 조기에 감지할 수 있는 모델 구축의 가능성을 제시하였다.