연구진이 영어와 중국어 음성 데이터를 활용해 다국어 우울증 진단 모델 CLeaD를 개발했어요. WavLM 임베딩을 활용해 언어 간 임상 공간을 공유하며, 병렬 데이터나 타겟 언어 fine-tuning 없이도 성능을 개선했어요. 기존 연구의 스피커 정보 누수 문제를 해결하고, 모델 크기 증가가 다국어 성능을 저하시키는 현상을 확인했어요.