데이터 효율성 문제 해결: 음성 기반 알츠하이머병 진단을 위한 연합 학습 및 데이터 증강 프레임워크

Breaking Data Efficiency Dilemma: A Federated and Augmented Learning Framework For Alzheimer's Disease Detection via Speech

알츠하이머병(AD)의 조기 진단은 질병의 진행을 늦추는 데 매우 중요합니다. AI 기반 음성 감지는 비침습적이고 비용 효율적이지만, 의료 데이터의 부족과 개인 정보 보호 문제로 인해 데이터 효율성이라는 심각한 어려움에 직면합니다. 따라서, 본 연구에서는 연합 학습과 데이터 증강을 융합하여 데이터 효율성을 체계적으로 최적화하는 새로운 프레임워크인 FAL-AD를 제안합니다. 본 연구는 다음 세 가지 주요 혁신을 제공합니다. 첫째, 음성 변환 기반 증강을 통해 절대적인 효율성 향상을 달성하며, 이를 통해 다양한 병리학적 음성 샘플을 생성합니다. 둘째, 개인 정보 보호 제약 조건 하에서 기관 간 협력을 극대화하는 적응형 연합 학습 패러다임을 통해 협업 효율성을 향상시킵니다. 셋째, 어텐션 기반 교차 모달 융합 모델을 사용하여 표현 효율성을 최적화하며, 이를 통해 정밀한 단어 수준의 정렬과 음향-텍스트 상호 작용을 달성합니다. ADReSSo 데이터셋에 대한 평가 결과, FAL-AD는 91.52%의 최고 수준의 다중 모달 정확도를 달성하여 기존의 중앙 집중식 방법보다 우수한 성능을 보이며, 데이터 효율성 문제에 대한 실용적인 해결책을 제시합니다. 본 연구의 소스 코드는 https://github.com/smileix/fal-ad 에서 공개적으로 이용 가능합니다.

Early diagnosis of Alzheimer's Disease (AD) is crucial for delaying its progression. While AI-based speech detection is non-invasive and cost-effective, it faces a critical data efficiency dilemma due to medical data scarcity and privacy barriers. Therefore, we propose FAL-AD, a novel framework that synergistically integrates federated learning with data augmentation to systematically optimize data efficiency. Our approach delivers three key breakthroughs: First, absolute efficiency improvement through voice conversion-based augmentation, which generates diverse pathological speech samples via cross-category voice-content recombination. Second, collaborative efficiency breakthrough via an adaptive federated learning paradigm, maximizing cross-institutional benefits under privacy constraints. Finally, representational efficiency optimization by an attentive cross-modal fusion model, which achieves fine-grained word-level alignment and acoustic-textual interaction. Evaluated on ADReSSo, FAL-AD achieves a state-of-the-art multi-modal accuracy of 91.52%, outperforming all centralized baselines and demonstrating a practical solution to the data efficiency dilemma. Our source code is publicly available at https://github.com/smileix/fal-ad.