본 연구는 인지 저하의 조기 진단을 위한 비침습적 방법으로 음성 비서 시스템(VAS)을 활용하는 파일럿 연구입니다. 18개월 동안 35명의 노인(15명은 매일 VAS 상호작용)의 음성 명령 데이터를 수집하여, 짧고, 비정형적이며, 잡음이 많은 음성 명령 분석의 어려움을 해결하기 위해 Cog-TiPRO 프레임워크를 제안합니다. Cog-TiPRO는 LLM 기반 반복 프롬프트 개선을 통한 언어적 특징 추출, HuBERT 기반 음향적 특징 추출, 그리고 Transformer 기반 시간적 모델링을 결합합니다. iTransformer를 사용하여 경도인지장애(MCI) 검출 정확도 73.80%, F1-score 72.67%를 달성하여 기존 방법보다 27.13% 향상된 성능을 보였습니다. LLM 접근 방식을 통해 인지 저하를 경험하는 개인의 일상적인 명령 사용 패턴을 특징짓는 언어적 특징을 식별했습니다.
