연구진이 경도인지장애(MCI) 감지를 위한 다중 모드 프레임워크를 개발했어요. 음성, 텍스트, 이미지 데이터를 융합하고, 인구통계학적 속성을 배제하는 언리닝 기법을 적용했어요. TAUKADIAL 및 PREPARE 벤치마크에서 기존 모델보다 성능이 뛰어나고, 성별 및 언어별 하위 그룹 간 성능 격차를 줄였어요.
개발된 프레임워크는 다양한 데이터셋으로의 이전 학습 능력도 입증했어요. 언리닝은 MCI 감지를 위한 더욱 강력한 표현 학습에 도움을 줘요.
연구 결과는 MCI 감지 모델의 공정성을 높이는 데 기여할 수 있으며, 다국어 환경에서도 효과적인 MCI 스크리닝을 가능하게 할 것으로 기대돼요.