목 근육 떨림 읽어 말문 튼다: 뇌졸중 환자 돕는 웨어러블 ‘AI 목걸이’ 등장

뇌졸중이나 신경계 질환으로 구음장애가 찾아오면 가장 고통스러운 순간은 의식이 또렷한데도 입술과 목 근육이 마비되어 말을 밖으로 꺼내지 못할 때입니다.

지금까지 이런 환자들은 시선 추적 장치로 글자를 하나씩 느리게 찍어내거나, 두개골을 열고 뇌에 전극을 심는 위험한 뇌-컴퓨터 인터페이스(BCI) 수술 사이에서 극단적인 선택을 강요받았습니다.

국제 학술지 네이처 커뮤니케이션즈(Nature Communications)에 게재된 논문은 이 딜레마를 해결할 새로운 대안을 제시했습니다. 연구진이 선보인 목걸이 형태의 웨어러블 ‘인텔리전트 스로트(Intelligent Throat)’는 뇌 수술 없이 목에 가볍게 착용하는 것만으로 미세한 목 근육의 진동과 맥박을 읽어내 유창한 감정 섞인 음성으로 복원해 냅니다.

미세한 근육 떨림과 맥박을 포착해 대화로 복원

소리를 내지 않고 입모양만 벙긋거리더라도 성대 주변 목 근육은 특유의 물리적 진동을 만들어냅니다.

연구진은 첨단 프린팅 기법으로 제작한 초감도 직물 스트레인 센서를 목걸이에 장착했습니다. 소리가 아닌 피부와 근육의 기계적 움직임을 직접 감지하기 때문에, 주변 소음이 100데시벨에 달하는 시끄러운 환경에서도 아무런 간섭 없이 정확한 신호를 포착합니다.

핵심은 무음 언어 진동과 경동맥 맥박을 동시에 측정하는 이중 채널 구조입니다. 폴리우레탄 아크릴레이트 응력 차단층을 적용해 목 근육 떨림이 맥박 신호를 방해하는 현상을 20데시벨 이상 줄였고, 이를 통해 환자의 감정을 평온, 안도, 답답함 세 가지로 83.2%의 정확도로 분류해 냅니다.

신호 처리는 144밀리초 단위의 토큰 디코딩 네트워크를 거칩니다. 지식 증류 기술을 적용해 91.3%의 정확도를 유지하면서도 연산 부하와 지연 시간을 약 76% 줄여, 단 몇 초 만에 음성을 합성해 냅니다.

특히 돋보이는 부분은 거대언어모델(LLM) 에이전트의 활용입니다. 환자가 짧고 힘겹게 단어 몇 개만 읊조려도, LLM이 감정 데이터와 현지 시간, 날씨 등 상황 맥락을 종합해 자연스럽고 온전한 문장으로 지능형 확장을 수행합니다.

최적화된 조건에서 이 시스템의 단어 오류율은 4.2%, 문장 오류율은 2.9%에 불과했습니다. 단어만 그대로 출력할 때보다 문장 확장 모드를 썼을 때 환자 만족도는 55%나 껑충 뛰었습니다.

하루 종일 쓰는 저전력 설계, 아직은 소규모 시험 단계

하드웨어 역시 일상 착용을 염두에 두고 철저히 저전력으로 설계되었습니다. 회로 기판 전체 소비 전력은 76.5밀리와트에 불과하며, 1800밀리와트시 배터리로 하루 종일 재충전 없이 사용할 수 있습니다.

이번 연구는 건강한 피험자 10명과 구음장애를 겪는 뇌졸중 환자 5명을 대상으로 진행되었습니다. 일상 재활에 쓰이는 중국어 47개 단어와 20개 문장을 학습시켰으며, 입모양이 매우 흡사해 시각적으로 구분이 힘든 단어 쌍에서도 96.3%의 단어 인식률을 기록했습니다.

다만 연구진은 이번 결과가 아직 개념 증명 단계라고 설명합니다. 환자 표본이 5명으로 적고 어휘 목록이 사전에 정의된 재활 문장에 한정되어 있어, 일상 대화에 자유롭게 쓰이려면 추가적인 임상 확장이 필요합니다.

왜 중요한가

우리는 이 연구가 언어 보조 기기의 패러다임을 바꾼 영리한 시도라고 평가합니다.

기존 무음 음성 인식 장치들은 환자의 생체 신호를 기계적으로 한 글자씩 1대1 변환하는 데 집착했습니다. 하지만 근육 조절이 힘든 환자에게 정확한 발음을 연속으로 강요하는 것은 심한 피로를 부릅니다. 이 시스템은 센서로 의도의 파편만 건져 올리고, 문맥 보완과 감정 표현이라는 고된 노동을 LLM에 넘겼습니다. AI를 감각의 완벽한 복제가 아닌 결손을 메우는 완충재로 쓴 셈입니다.

뇌 수술의 위험성을 피하면서도 안구 추적 장치의 답답한 타이핑 속도를 벗어날 수 있다는 점에서, 최소한의 목 근육 제어가 남아 있는 뇌졸중 환자에게는 매우 실질적인 해법이 될 수 있습니다.

그러나 LLM의 문장 확장이 갖는 환각 위험은 경계해야 할 대목입니다. 환자가 짧게 뱉은 단어를 AI가 지나치게 자의적으로 살을 붙여 왜곡할 경우, 특히 의료나 간병 현장에서 치명적인 소통 오류를 낳을 수 있습니다. 환자가 최소한의 에너지만으로 AI가 만든 문장을 확인하고 승인할 수 있는 직관적인 피드백 루프를 갖추는 것이 상용화로 가는 핵심 과제가 될 것입니다.