본 논문은 언어 능력 저하로 의사소통에 어려움을 겪는 실어증 환자를 위한 EEG 기반 의사소통 지원 시스템 개발 연구를 소개한다. 한국어 기반 자동 음성 과제를 수행하며 EEG 신호를 기록하고, 발화 성공 여부에 따라 데이터를 분류했다. 스펙트럼 분석 결과, 잘못된 발화 시 광범위한 채널에서 델타 파워가 증가하고 전두엽 영역에서 세타-알파 활동이 증가하는 경향을 보였다. 이를 기반으로, 델타 특징에 초점을 맞춘 soft multitask learning 프레임워크를 개발하여 정확한 발화와 잘못된 발화 간의 EEG 특징 분포를 정렬했다. 제안된 모델은 정확한 발화에 대해 58.6%, 잘못된 발화에 대해 45.5%의 정확도를 달성하여, 실어증 환자의 불완전한 발화 환경에서도 의도를 효과적으로 해독할 수 있음을 입증했다.
