CNS R&D를 위한 멀티모달 종단 인지 데이터.
NLP 기반 인지 마커(TTR, MLU, coherence, idea density)를 MoCA / MMSE와 대조 검증 — 초기 변화에 더 높은 민감도.
분기별 임상 방문이 아닌 매일의 데이터 포인트. 다음 평가까지 3–6개월을 기다리지 않고 주 단위 해상도로 약물 효과를 추적합니다.
인위적인 실험실이 아닌 가정 환경에서 얻는 자연스러운 데이터. FDA / EMA 실제근거 제출에 필요한 생태학적 타당성.
세 가지 CNS 축 전반의 지속적인 음성 유래 신호.
기분
음성 특징, 어휘 마커, 자기 보고에서 추론되는 정서 상태 — 매일, 대상자별 기준선 기반.
인지
회상, 유창성, 지남력, 참여도를 아우르는 복합 Cognitive Index — 7일, 30일, 90일 창에서 추세화.
복약 순응도
양방향으로 확인된 복약 순응도, 누락 시각 기록 및 이후 증상 상관관계 포함.
왜 자연스러운 데이터가 모든 것을 바꾸는가.
기존 디지털 인지 도구는 구조화된 테스트에 의존합니다. Amigo는 자연스러운 일상 대화에서 데이터를 수집합니다 — 테스트 불안도, 학습 효과도, 환자 부담도 없습니다.
| 차원 | Amigo | 구조화된 테스트 도구 |
|---|---|---|
| 수집 방식 | 자유 형식의 일상 대화 | 유도된 인지 과제(시계 그리기, 그림 설명, 카드 게임) |
| 빈도 | 매일 — 모든 대화가 데이터 포인트 | 주간에서 분기별 — 예약된 세션 |
| 환자 부담 | 없음 — 대화 자체가 제품(동반감) | 테스트 프로토콜에 능동적으로 참여해야 함 |
| 연습 효과 | 없음 — 반복해서 학습할 테스트 구조가 없음 | 반복 노출로 점수가 향상될 수 있음 |
| 테스트 불안 | 없음 — 즐거운 일상 루틴 안에 데이터 수집이 포함됨 | 수행 불안이 결과를 왜곡할 수 있음 |
| 생태학적 타당성 | 높음 — 가정 환경에서의 실제 발화 | 낮음에서 보통 — 인위적인 테스트 조건 |
| 데이터 모달리티 | 언어 + 음향 + 행동 + 정서 | 일반적으로 도구당 1–2개 차원 |
| 순응도 | 높음 — 어르신은 대화하고 싶어함 | 시간이 지나며 이탈 — 테스트 피로 |
| 종단 깊이 | 대상자당 수개월에 걸친 수백 회 세션 | 많아야 수십 회 세션 |
| 데이터 포인트당 비용 | 한계비용 — 임상 인력이나 기기 지급 불필요 | 더 높음 — 감독하 시행 또는 전용 기기 필요 |
“구조화된 테스트 도구”는 유도된 테스트(시계 그리기, 그림 설명, 반응 시간 과제)에 기반한 디지털 인지 평가 플랫폼을 의미합니다 — 환자의 능동적 참여가 필요한 범주입니다.
자연스러운 음성에서 연구 준비가 된 구조화 데이터셋까지.
모든 단계는 사내에서 설계되고 운영되며, 각 단계마다 명시적 버전 관리와 각 데이터 포인트가 어떻게 생성되었는지에 대한 완전한 감사 추적을 제공합니다.
세션당 31개의 구조화 변수.
인지, 음성, 행동, 정서, 임상 차원 전반. 스키마는 버전 관리되며, 모든 내보내기에는 데이터 사전이 함께 제공됩니다.
| Field | Type | Example | Category |
|---|---|---|---|
| subject_id | string | anon_8f3a2c | ID |
| session_date | date | 2026-02-28 | ID |
| call_duration_seconds | int | 540 | Session |
| word_count | int | 312 | Cognitive |
| type_token_ratio | float | 0.68 | Cognitive |
| mean_utterance_length | float | 8.4 | Cognitive |
| words_per_minute | float | 98 | Cognitive |
| repetition_rate | float | 0.05 | Cognitive |
| coherence_score | int (1-10) | 8 | Cognitive-AI |
| idea_density_score | int (1-10) | 7 | Cognitive-AI |
| word_finding_score | int (1-10) | 9 | Cognitive-AI |
| composite_score | int (0-1000) | 742 | Cognitive |
| participation_ratio | float | 0.45 | Behavioral |
| turn_count | int | 24 | Behavioral |
| engagement_quality | enum | good | Behavioral |
| mood_primary | enum (5) | positive | Mood |
| mood_intensity | int (0-10) | 7 | Mood |
| alert_triggered | bool | false | Alert |
| alert_nature | enum | null | Alert |
| alert_severity | enum | null | Alert |
| f0_mean_hz | float | 185.3 | Voice |
| f0_std_hz | float | 28.7 | Voice |
| jitter_percent | float | 1.12 | Voice |
| shimmer_percent | float | 3.45 | Voice |
| hnr_db | float | 18.2 | Voice |
| speech_rate | float | 3.8 | Voice |
| pause_rate | float | 0.22 | Voice |
| mean_pause_duration_ms | int | 680 | Voice |
| composite_z_score | float | +0.3 | Baseline |
| baseline_sessions | int | 12 | Baseline |
| trend | enum | stable | Baseline |
코호트 분포
데이터셋 전반의 임상 프로필 분포
지표 분포
AI 평가 coherence 점수의 샘플 히스토그램
음성 주파수 변화
24주 동안의 F0 평균(Hz) — 한 대상자
모든 대화가 만들어내는 것.
각 통화는 다차원 구조화 스냅샷을 생성합니다. 버전 관리되고, 타임스탬프가 찍히며, 계보 추적이 가능합니다.
NLP 인지 마커
Amigo의 결정론적 NLP 파이프라인을 통해 발화 패턴에서 추출한 정량적 언어 지표.
AI 인지 점수
Amigo Cognitive Engine이 임상 척도에 맞춰 보정한 고차 언어 기능 점수.
음성 & 음향 바이오마커
원시 오디오에서 추출한 운율 및 스펙트럼 특징. 우울증, 파킨슨병, 인지 저하에 대한 검증된 마커.
행동 지표
시간에 따른 행동 패턴을 드러내는 참여도, 상호작용 역학.
기분 & 정서
연속 강도 점수와 세션 수준의 정서 맥락을 포함한 5분류 기분 분류.
임상 알림
우울 징후, 인지 혼란, 신체 불편, 안전 신호를 구조적으로 감지.
종단 기준선
개인별 궤적 추적과 변화 감지를 가능하게 하는 개인 내 z-score 기준선.
하나의 대화. 하나의 구조화 레코드.
각 레코드는 하나의 세션을 나타냅니다. JSON, CSV, Parquet 형식으로 제공되며, 버전 관리된 데이터 사전과 감사 계보가 첨부됩니다.
{
"subject_id": "anon_8f3a2c",
"age_band": "75-79",
"session_date": "2026-02-28",
"call_duration_seconds": 540,
"cognitive": {
"word_count": 312,
"type_token_ratio": 0.68,
"mean_utterance_length": 8.4,
"repetition_rate": 0.05,
"words_per_minute": 98,
"coherence_score": 8,
"idea_density_score": 7,
"word_finding_score": 9,
"composite_score": 742
},
"voice": {
"f0_mean_hz": 185.3,
"f0_std_hz": 28.7,
"jitter_percent": 1.12,
"shimmer_percent": 3.45,
"hnr_db": 18.2,
"speech_rate": 3.8,
"pause_rate": 0.22,
"mean_pause_duration_ms": 680
},
"behavioral": {
"participation_ratio": 0.45,
"turn_count": 24,
"engagement_quality": "good",
"user_speech_duration_s": 245
},
"mood": {
"primary": "positive",
"intensity": 7
},
"alert": {
"triggered": false,
"nature": null,
"severity": null
},
"baseline_delta": {
"composite_z_score": +0.3,
"sessions_in_baseline": 12,
"trend": "stable"
}
}동료심사 연구에 기반.
기존 임상 척도와의 예비 내부 상관관계. 외부 다기관 검증 진행 중.
지표 ↔ 임상 척도 상관관계
예비 · 내부 검증 코호트 (N = 120)
| Amigo metric | Scale | r | Direction |
|---|---|---|---|
| Composite Score | MoCA | 0.72 | ↑↑ |
| Type-Token Ratio | MMSE | 0.65 | ↑↑ |
| Idea Density | MoCA | 0.68 | ↑↑ |
| Word Finding Score | BNT | 0.71 | ↑↑ |
| Repetition Rate | MMSE | -0.58 | ↑↓ |
| Pause Rate | MoCA | -0.54 | ↑↓ |
| F0 Std (Hz) | GDS | -0.49 | ↑↓ |
| Mood Intensity | GDS | -0.61 | ↑↓ |
| Jitter | UPDRS-III | 0.52 | ↑↑ |
| Speech Rate | MoCA | 0.47 | ↑↑ |
검증 방법론
- 1
Paired assessment: Subjects completed standard clinical scales (MoCA, MMSE, GDS, BNT) within 48h of Amigo conversation sessions.
- 2
Pearson correlation: Each metric was correlated with the clinically closest scale at subject level, controlling for age and education.
- 3
Longitudinal sensitivity: Change scores over 6 months vs. clinical re-assessment — Amigo composite detected decline 4–8 weeks earlier than quarterly MoCA.
출판된 연구에 기반
- →
Type-Token Ratio decline as MCI marker — Bucks et al., 2000; Forbes-McKay & Venneri, 2005
- →
Idea density predicting AD onset — Snowdon et al. (Nun Study), 1996
- →
Pause patterns and speech rate in cognitive decline — Hoffmann et al., 2010; Roark et al., 2011
- →
F0 and jitter as depression biomarkers — Cummins et al., 2015; Low et al., 2011
- →
Vocal shimmer / HNR in Parkinson's disease — Tsanas et al., 2012; Rusz et al., 2011
- →
Spontaneous speech analysis for dementia screening — Fraser et al., 2016; Luz et al., 2020
다기관 검증 연구를 위한 학술 및 제약 파트너를 찾고 있습니다.
데이터가 활용되는 곳.
신경퇴행성 질환, 노년기 정신의학, 임상 약물 개발, 실제근거 전반에서 활용됩니다.
알츠하이머 & 치매 조기 발견
임상 진단보다 수개월 또는 수년 앞서 나타날 수 있는 미묘한 언어 마커(TTR 감소, 반복 증가, idea density 감소)로 모델을 학습합니다. 종단 기준선은 대상자 내 변화 감지를 가능하게 합니다.
임상시험 디지털 엔드포인트
2–3상 임상시험을 위한 디지털 엔드포인트로서의 연속 인지 스냅샷. 분기별 MMSE 대비 주 단위 해상도 — 변화에 대한 더 높은 민감도, 낮은 환자 부담, 원격 모니터링.
노년기 우울증 & 사회적 고립
우울증 발현, 사회적 고립, 개입 효과를 연구하기 위한 종단 기분 궤적, 참여 감소 패턴, 알림 빈도 데이터.
규제를 위한 실제근거
실제 가정 환경에서 얻는 자연스럽고 연속적인 데이터. FDA / EMA 시판 후 감시, 적응증 확장, 실제근거 패키지에 적합합니다.
음성 & 음향 바이오마커 연구
수개월에 걸친 F0 감소, jitter / shimmer 변화, pause 패턴 변화를 추적합니다. 우울증 선별, 파킨슨병 모니터링, 초기 인지 변화에 대한 검증된 음성 마커.
언어 & 음성 바이오마커 검증
계산 언어 및 음향 특징을 기존 임상 인지 척도와 교차 검증합니다. 지표와 점수의 페어링 데이터는 견고한 멀티모달 바이오마커 검증을 가능하게 합니다.
CNS 임상시험에서 가장 접근하기 어려운 인구집단을 위해 설계.
음성 우선 수집 방식은 고령자나 인지적으로 취약한 집단에서 디지털 엔드포인트 캡처를 제한하는 대부분의 마찰을 제거합니다.
노년기 우울증
사이트 방문 사이의 매일 기분 신호와 약한 신호 알림.
MCI & 초기 알츠하이머
반복적인 공식 테스트 없이 얻는 종단 인지 마커.
파킨슨병 & 운동장애
가정 환경 전반의 음성 기반 특징과 순응도 보고.
조현병 & 양극성 장애
임상 접촉 사이의 매일 정서 및 참여 신호.
통증 & 롱코비드
자연스러운 대화를 통한 환자 보고 증상 및 영향 추적.
케어기버 / dyad 연구
적절한 경우 가족 정보 제공자로부터 병렬 신호 수집.
이미 운영 중인 연구 스택에 들어맞도록 설계.
음성 전용 수집
웨어러블도, 앱도, 참가자 부담도 없습니다. 코호트는 전화를 받기만 하면 됩니다 — 그게 전부입니다.
API 우선 데이터 흐름
참가자별 시계열 데이터를 데이터 레이크로 내보냅니다. 요청 시 REDCap 및 표준 CDISC 매핑과 호환됩니다.
감사 등급 레코드
모든 통화, 전사, 점수, 알림, 접근 이벤트가 타임스탬프 처리되고 변경 불가능하며 내보낼 수 있습니다.
규제 대응 자세
HIPAA 기준에 맞춘 통제, 역할 기반 접근, 전송 및 저장 시 암호화, BAA 제공 가능, 21 CFR Part 11 로드맵 요청 가능.
스폰서와 IRB가 이미 요구하는 전제를 기준으로 설계.
프로그램에 맞춘 유연한 데이터 접근.
정적 데이터셋
1회성 과거 데이터 내보내기. 탐색 분석, 모델 학습, 타당성 검토에 적합합니다.
- Full historical cohort
- CSV / Parquet / JSON
- Data dictionary included
실시간 데이터 피드
매일 증분되는 지속적인 API 접근. 임상 모니터링 및 적응형 임상시험 설계용.
- Real-time API access
- Daily incremental updates
- Webhook notifications
- SLA-backed uptime
연구 파트너십
맞춤 지표, 목표 코호트 기준, 공동 출판 권리를 포함한 공동 설계 프로토콜.
- Custom NLP pipelines
- Targeted cohort selection
- Joint publication
- Dedicated data engineer