미국 성인 알츠하이머병 및 관련 치매 환자의 절반 이상이 진단을 받지 못하고 있으며, 음성 기반 선별 검사가 확장 가능한 접근 방식을 제공한다. 본 연구는 DementiaBank 음성 코퍼스를 사용하여 치매 감지를 위한 대규모 언어 모델 적응 전략을 비교했다. 9개의 텍스트 전용 모델과 3개의 멀티모달 오디오-텍스트 모델을 평가했으며, 적응 전략에는 다양한 시연 선택 정책을 사용한 문맥 내 학습, 추론 기반 프롬프팅, 매개변수 효율적 미세 조정, 멀티모달 통합 등이 포함되었다. 결과는 class-centroid 시연이 가장 높은 문맥 내 학습 성능을 달성했으며, 추론이 더 작은 모델을 개선하고, 토큰 수준의 미세 조정이 일반적으로 최고의 점수를 냈음을 보여주었다. 분류 헤드를 추가하면 성능이 저조한 모델이 크게 개선되었다. 멀티모달 모델 중에서는 미세 조정된 오디오-텍스트 시스템이 좋은 성과를 거두었지만, 최고의 텍스트 전용 모델을 능가하지는 못했다.
