LLMCARE: early detection of cognitive impairment via transformer models enhanced by LLM-generated synthetic data
Created by
Haebom
Category
Empty
저자
Ali Zolnour, Hossein Azadmaleki, Yasaman Haghbin, Fatemeh Taherinezhad, Mohamad Javad Momeni Nezhad, Sina Rashidi, Masoud Khani, AmirSajjad Taleban, Samin Mahdizadeh Sani, Maryam Dadkhah, James M. Noble, Suzanne Bakken, Yadollah Yaghoobzadeh, Abdol-Hossein Vahabie, Masoud Rouhizadeh, Maryam Zolnoori
개요
본 연구는 음성 기반 자연어 처리(NLP)를 활용하여 알츠하이머병 및 관련 치매(ADRD)의 조기 진단을 위한 파이프라인을 개발하고 평가했습니다. Transformer 임베딩, 수작업 언어학적 특징, 대규모 언어 모델(LLM)을 사용한 합성 데이터 증강, 그리고 단일 모드 및 다중 모드 분류기 벤치마킹을 통합했습니다. ADReSSo 2021 벤치마크 데이터세트와 DementiaBank Delaware 코퍼스를 사용했으며, 외부 검증을 통해 경도인지장애(MCI) 코호트에 대한 일반화 가능성을 평가했습니다.
시사점, 한계점
•
Transformer와 언어학적 특징을 통합하여 ADRD 감지 성능을 향상시켰습니다.
•
LLM 기반의 데이터 증강은 데이터 효율성을 높였지만, 증강 규모가 커질수록 효과가 감소했습니다.
•
현재의 다중 모드 모델은 성능이 제한적이었습니다.
•
독립적인 MCI 코호트에 대한 검증을 통해 조기 진단을 위한 확장 가능성과 임상적 관련성을 확인했습니다.
