Current Issue

후천적 뇌손상은 외상, 혈관성 뇌출혈, 뇌혈관 질환, 뇌종양 등으로 발생하며 성인의 언어 및 의사소통에 다양한 영향을 미친다. 뇌손상 이후 발생하는 언어장애로는 실어증(aphasia), 마비말장애(dysarthria), 말실행증(apraxia of speech)이 있으며, 이러한 장애는 단어 의미 이해 및 산출, 문법 구조, 조음 및 말 명료도 등 말ㆍ언어 산출 전반에 결함을 가져온다(Duffy, 2013).

후천적 뇌손상 환자들은 위 언급한 언어 문제 외에 보다 더 복합적인 의사소통 문제가 동반되는 경우도 많다. 외상성 뇌손상(traumatic brain injury: TBI)이나 우뇌 손상 환자들은 인지ㆍ의사소통장애(cognitive communication disorder), 주의, 기억, 실행 기능의 저하로 인하여 담화 구성과 사회적 의사소통에 어려움을 초래한다(Turkstra et al., 2015). 또한 우뇌 손상 환자들은 비유적 표현의 이해, 억양의 인식 및 산출, 담화 응집성 등에 문제를 나타내며 일부 환자들은 발화 운동 계획에 어려움을 가지는 말 실행증(apraxia of speech)을 나타내기도 한다. 이처럼 후천적 뇌손상 환자의 언어 및 의사소통 문제는 하나의 단일한 문제로 한정되기 보다는 다양한 형태로 나타난다.

그럼에도 불구하고 후천적 뇌손상 환자를 대상으로 한 국내의 언어재활 서비스는 치료 인력의 제한, 지역 간 접근성 편차, 지속적인 치료 제공의 어려움 등 여러 가지 한계를 지니고 있다. 이러한 현실적 어려움 속에서 디지털 기술을 활용한 언어재활 접근은 기존의 언어치료 한계를 보완할 수 있는 대안으로 논의되어 왔다. 실제로 후천적 뇌손상 환자를 대상으로 한 가상 현실(virtual reality: VR), 증강현실(augmented reality: AR), 모바일 애플리케이션을 활용한 실어증 환자 언어재활 연구(Chung et al., 2022), Kinect 기반 음성ㆍ동작 인식 기술을 활용한 언어훈련 프로그램 개발 연구(Shin et al., 2012)가 보고되었다.

최근에는 인공지능(artificial intelligence: AI) 기술의 발전과 함께 언어재활 분야에서도 AI를 기반으로 한 접근이 활발히 시도되고 있다. 기존의 디지털 기술 기반 언어재활이 주로 중재 환경과 매체 확장에 초점을 두었다면, 최근의 인공지능 기반 접근은 말ㆍ언어 데이터의 자동 분석과 장애 특성의 정량적 평가를 통해 언어재활의 방법론 자체를 확장하려는 시도로 볼 수 있다. 이러한 흐름 속에서 언어재활 분야에서는 인공지능 기술을 활용하여 말 데이터를 분석하고 평가 및 중재 과정에 적용하려는 구체적인 연구들이 보고되고 있다. 머신러닝과 딥러닝 기반 음성 분석, 자연어처리(natural language processing: NLP), 자동음성인식(automatic speech recognition: ASR) 기술은 말ㆍ언어 데이터를 정량적으로 분석하고 장애 특성을 객관적으로 평가하는 데 활용되고 있다(Kang et al., 2022). Kim과 Kim(2022)은 마비말장애 화자의 발화를 대상으로 상용 AI 스피커의 음성인식 정확도와 청자의 말 명료도를 비교하였으며, Choi(2024)는 딥러닝 기반 자동 진단 모델의 성능 향상을 위한 음성 데이터 증강 방법을 제안하였다. 또한 Lee 등(2024)은 평가와 훈련 과정을 통합적으로 지원하는 인공지능 기반 언어재활 플랫폼을 개발하였다.

이와 같이 후천적 뇌손상 환자를 대상으로 한 기술 기반 언어재활 연구는 점차 증가하고 있으나, 기존 연구들은 특정 기술이나 특정 장애 유형에 초점을 두는 경우가 많아 연구 전반의 흐름을 종합적으로 파악하는 데에는 한계가 있다. 특히 국내에서는 후천적 뇌손상 환자를 대상으로 한 AI 기반 언어 평가 및 중재 연구를 체계적으로 고찰한 문헌 연구가 부족한 실정이다. 따라서 본 연구는 2015년 이후 국내에서 발표된 후천적 뇌손상 환자 대상 AI 기반 언어 평가 및 중재 연구를 중심으로 연구 동향을 살펴보고자 한다. 이를 통해 연구 시기와 유형, 대상 장애 특성, 활용된 AI 기술 및 연구 목적을 종합적으로 정리하고, 향후 연구를 위한 기초 자료를 제공하고자 한다. 본 연구의 목적에 따른 구체적인 연구 문제는 다음과 같다.

첫째, AI 기반 언어 관련 연구의 연구 시기 분포는 어떠한가?

둘째, AI 기반 언어 관련 연구의 연구 유형 및 목적 분포는 어떠한가?

셋째, AI 기반 언어 관련 연구에서 다루어진 언어ㆍ의사소통 장애 영역은 어떠한가?

넷째, AI 기반 언어 관련 연구의 연구 대상 특성은 어떠한가?

다섯째, AI 기반 언어 관련 연구에서 활용된 AI 기술의 유형은 어떠한가?

본 연구에서는 2015년부터 2025년까지 국내에서 발표된 후천적 뇌손상 환자 대상 AI 기반 언어 관련 연구를 분석하여, 총 6편의 논문을 최종 선정하였다. 분석은 연구 시기 분포, 연구 유형 및 목적, 언어ㆍ의사소통 장애 영역, 연구 대상 특성, 적용된 AI 기술 유형의 다섯 가지 항목에 따라 이루어졌으며, 각 항목별 주요 결과는 다음과 같다.

1. 연구 시기 분포

첫째, 연구 시기 분포를 살펴보면 2017년에 1편(16.67%), 2021년과 2022년에 각각 1편(각 16.67%), 2025년에 3편(50.00%)의 연구가 발표되어, 가장 많은 연구가 최근 연도인 2025년에 집중되어 있음을 확인할 수 있다. 이는 AI 기술이 언어재활 분야에서 본격적으로 활용되기 시작한 시점이 비교적 최근임을 나타내며, 특히 2025년에만 전체의 절반이 발표되었다는 점은 향후 이 분야의 연구가 더 빠르게 확산될 가능성을 보여준다. 연구 시기 분포는 Table 1과 Figure 1에 제시하였다.

Table 1. 
Research status by year

	2017	2021	2022	2025	Total
n	1	1	1	3	6
%	16.67	16.67	16.67	50.00	100.00

Figure 1. 
Research status by year

2. 연구 유형 및 목적 분포

연구 유형 및 목적 분석 결과, 평가 및 진단을 주요 목적으로 한 연구가 4편(66.67%)으로 가장 많았으며, 기술 개발 및 중재 지원 목적을 포함한 연구는 각각 1편(16.67%)이었다. 평가 중심 연구는 주로 음성인식 정확도, 말명료도 비교, 중증도 분류 등의 항목을 중심으로 진행되었으며, 이는 AI가 기존 언어 평가의 주관성과 한계를 보완하는 도구로 활용되고 있음을 보여준다. 반면 중재 중심의 연구는 상대적으로 적어, 향후 실제 임상 개입을 반영하는 연구가 더 필요함을 시사한다. 연구 유형 및 적용 목적에 따른 분포는 Table 2와 Figure 2에 제시하였다.

Table 2. 
Trends in research types and application purposes

	Evaluation	Intervention	Technology development	Literature
n	4	1	1	-
%	66.67	16.67	16.67	-

Figure 2. 
Trends in research types and application purposes

3. 언어ㆍ의사소통 장애 영역

언어 및 의사소통 장애 영역은 마비말장애 관련 연구가 4편(66.67%)으로 가장 높은 비중을 차지하였으며, 실어증을 대상으로 한 연구는 2편(33.33%)이었다. 말실행증, 인지ㆍ의사소통장애, 우뇌손상 의사소통장애 등 기타 영역을 대상으로 한 연구는 포함되지 않았다. 이는 마비말장애와 실어증이 상대적으로 분석 가능한 음성적 특성이 뚜렷하여, AI 기술을 적용하기에 적합한 언어장애 유형임을 나타내었다. 장애 영역별 연구 분포는 Table 3과 Figure 3에 제시하였다.

Table 3. 
Trends communication disorder domains

Domain	n	%
Aphasia	2	33.33
Dysarthria	4	66.67
Apraxia of speech	-	-
Cognitiveㆍcommunication disorder	-	-
RHD	-	-

Note. RHD=right hemisphere communication disorder.

Figure 3. 
Trends communication disorder domains

5. AI 기술의 유형

적용된 AI 기술 유형을 살펴보면, 머신러닝을 적용한 연구가 2편(33.33%), 딥러닝 기반 연구가 2편(33.33%)이었고, 자동음성인식(ASR)과 자연어처리(NLP)가 각 1편(16.67%)이었다. 대부분의 연구가 음성 데이터를 기반으로 하여 말명료도 예측, 중증도 분류, 또는 평가 자동화를 시도하였으며, 일부 연구에서는 웹 기반 훈련 시스템이나 조음기관 영상 예측 등 임상적 확장 가능성을 탐색하였다. AI 기술 유형별 연구 분포는 Table 5와 Figure 4에 제시하였다.

Table 5. 
Trends in AI techniques

AI technique	n	%
Machine learning	2	33.33
Deep learning	2	33.33
ASR	1	16.67
NLP	1	16.67

Note. ASR=automatic speech recognition; NLP=natural language processing.

Figure 4. 
Trends in AI techniques

Note. ASR=automatic speech recognition; NLP=natural language processing.

이 연구는 2015년부터 2025년까지 국내에서 발표된 후천적 뇌손상 환자 대상 AI 기반 언어재활 관련 연구를 분석하여, 연구 시기, 연구 유형 및 목적, 장애 영역, 연구 대상 특성, AI 기술 유형을 중심으로 연구 현황을 고찰하였다. 이를 통하여 향후 AI 기반 언어 평가 및 중재 연구가 나아가야 할 방향과 임상 및 연구적 시사점을 도출하고자 하였다. 연구 결과의 정리와 논의의 내용은 다음과 같다.

첫째, 우선, 연구 시기의 분포는 최근으로 갈수록 연구 수가 증가하는 양상을 보였다. 특히 2025년에 발표된 연구가 전체의 50.00%를 차지하고 있어, AI 기술이 언어재활 분야에서 본격적으로 적용되기 시작한 시점이 최근임을 시사한다. 또한 이는 AI 기반 음성 분석, 자연어처리(NLP), 3D 시각화 기술 등 다양한 기술의 발전과 맞물려, 언어재활 연구에서도 이러한 기술을 적극적으로 통합하고자 하는 경향이 증가하고 있음을 보여주며, AI 기술의 빠른 발전 속도와 더불어, 언어재활 영역에서도 기술의 임상적 활용 가능성을 검토하고자 하는 흐름이 반영된 결과로 해석된다.

둘째, 연구 목적은 평가 및 진단 중심의 연구가 4편(66.67%)으로 가장 많았고, 중재 지원 및 기술 개발에 관한 연구는 각각 1편씩(각 16.67%)이었다. 평가 중심 연구는 음성 인식 정확도, 말 명료도, 중증도 분류와 같은 항목을 중심으로, 인간 청자나 언어재활사와 AI 기반 시스템의 인식 결과를 비교하는 형태로 진행되었다. 이러한 결과는 말ㆍ언어 진단 및 재활 연구에서 중재 연구의 비중이 높게 보고된 선행 연구(Chang & Kim, 2024)와는 차이를 보인다. 이는 AI 기반 언어 연구가 원격 방식의 직접적 활용보다는, 말ㆍ언어 특성을 자동으로 분석하고 평가하는 것의 방법적 타당성을 검증하는 데 초점을 맞추고 있음을 시사한다. 다시 말해, 현재의 연구들은 중재 적용보다는 AI 시스템의 평가 신뢰도, 정밀도, 예측 정확도 등을 임상에 적용하기 위한 기초 검증 단계에 더 많은 연구 자원이 집중되어 있음을 보여준다.

셋째, 언어장애 유형별로는 마비말장애를 대상으로 한 연구가 4편(66.67%)으로 가장 많았으며, 실어증 관련 연구는 2편(33.33%)이었다. 이는 AI 기술이 음성적 특징이 두드러진 장애에 우선적으로 적용되고 있음을 보여준다. 특히 마비말장애는 조음, 음질, 운율 등의 음성적 특성이 비교적 명확하게 분석이 가능하기 때문에, 머신러닝 및 딥러닝 기반 모델이 이를 자동 분류하거나 중증도를 예측하는 데 활용된 것으로 보인다. 원격 말ㆍ언어 진단 및 재활 연구에서도 조음을 중심으로 한 중재 연구가 비교적 활발하게 이루어져 왔다. Molini-Avejonas 등(2015)도 시각적 피드백과 반복 훈련이 가능한 원격 환경의 특성상, 마비말장애나 말실행증과 같은 말 운동 장애가 주요 대상으로 한 조음ㆍ음운 중심 치료가 주요 적용 영역이라고 하였다. Chang과 Kim(2024)의 연구에서도 원격 언어치료 연구가 조음ㆍ음운 장애나 음성장애 영역에 더 집중되는 경향을 확인할 수 있다. 이러한 원격 언어재활의 경향을 고려할 때, AI 기반 언어 연구 역시 마비말장애에만 집중되기보다는 다양한 언어장애 영역으로의 확장이 필요하다.

넷째, 연구 대상은 모두 ‘후천적 뇌손상’으로 분류되었으며, 뇌졸중 이외의 병인은 구체적으로 명시되지 않았다. 외상성 뇌손상(TBI), 뇌종양, 저산소성 뇌손상 등 다양한 병인군을 포함한 연구는 없었으며, 이는 향후 연구 대상의 다양성과 병인의 구체적 기술이 필요함을 보여준다. 실제 임상에서는 다양한 병인이 혼재되어 있으며, AI 모델의 일반화와 성능 확보를 위해서는 이질적인 언어장애 양상을 포괄하는 연구 설계가 필수적이다. 또한, 현재까지의 연구는 대부분 실험 환경 또는 제한된 참여자 수를 기반으로 하고 있어, 실제 임상에서의 적용성과 신뢰도를 평가하기 위한 현장 기반 연구의 확대가 요구된다.

다섯째, AI 기술 유형 분석 결과, 머신러닝과 딥러닝 기반의 접근이 가장 많이 사용된 것으로 나타났으며, 자동음성인식(ASR)과 자연어처리(NLP) 기술은 일부 연구에서 제한적으로 적용되었다. 이는 국내 AI 기반 언어재활 연구가 주로 음성 신호를 정량적으로 분석하거나 분류하는 작업에 초점을 맞추고 있음을 보여준다. 실제로 마비말장애와 같이 발화 오류가 명확히 드러나는 언어장애에서, 음향학적 데이터를 기반으로 한 중증도 분류, 말명료도 예측 등의 연구가 활발히 진행되었다.

반면, 자연어처리 기술을 활용하여 텍스트 기반 언어능력(예: 명명, 문장 생성, 담화 구성 등)을 평가하거나, 언어 패턴과 인지 언어 기능을 종합적으로 분석하는 연구는 상대적으로 부족한 실정이다. 이는 AI 기술의 도입이 여전히 초기 단계에 머물러 있으며, 기술적 타당성을 검토하는 연구 중심으로 제한되어 있음을 시사한다. 최근 국외 언어재활 분야에서는 딥러닝, NLP, 대화형 AI 등의 기술을 활용해 실어증 담화 분석, 언어 생성 오류 검출, 의미 기반 평가 자동화 등 언어와 의사소통 전반을 포괄하는 연구들이 확산되고 있다(Azevedo et al., 2024). 이러한 흐름을 고려할 때, 국내 AI 기반 언어 연구 역시 단순한 음성 신호 기반 분석을 넘어, 언어적 맥락과 의미를 포함하는 복합적 기술 적용 연구로의 확장이 요구된다. 특히 자연어처리 기술은 비정형 언어 데이터 처리, 언어 사용 양식 분석, 고차원적 언어능력 평가에 활용될 수 있는 잠재력을 지니고 있으며, 향후 언어재활 영역에서의 응용 가능성이 크다.

결론적으로, 국내 AI 기반 언어재활 연구는 주로 평가 및 진단 중심의 접근(66.67%)에 집중되어 있었으며, 연구 대상은 대부분 뇌손상을 경험한 성인 환자였다. 특히, 마비말장애(66.67%)를 중심으로 한 연구가 가장 많았으며, 실어증(33.33%)을 대상으로 한 연구가 그 뒤를 이었다. 이들 연구는 주로 음성 데이터를 활용한 말ㆍ언어 특성 분석, 또는 AI 시스템과 언어재활사 평가 간의 일치도 비교를 통해 기술적 타당성을 검토하는 기초 연구 수준에 머무르고 있었다.

연구 대상 특성에 있어서도, 대부분의 논문이 ‘후천적 뇌손상’이라는 포괄적 용어만을 사용하였으며, 외상성 뇌손상(TBI), 뇌종양, 저산소성 손상 등 구체적인 병인을 구분하여 분석한 연구는 확인되지 않았다. 이는 다양한 병인에 따른 언어장애 양상의 이질성을 충분히 반영하지 못한다는 한계를 지닌다.

AI 기술 유형 분석 결과, 머신러닝과 딥러닝 알고리즘이 가장 널리 활용되었으며, 자동음성인식(ASR) 및 자연어처리(NLP) 기술은 일부 연구에 한해 제한적으로 적용된 것으로 나타났다. 이는 국내 연구가 여전히 음향학적 신호 분석 중심의 단일 언어 기능 평가에 집중되어 있음을 시사한다.

이러한 결과는 향후 연구 방향에 있어 다음과 같은 시사점을 제공한다.

첫째, 기존의 평가 및 진단 중심에서 나아가, AI 기술을 실제 임상 중재에 적용하거나, 치료 효과를 검증하는 실험 연구로의 확대가 필요하다.

둘째, 연구 대상도 현재의 마비말장애와 실어증 중심의 한정된 범위에서 벗어나, 말실행증, 인지ㆍ의사소통장애, 혼합형 언어장애 등 다양한 언어장애 유형을 포괄하는 연구로의 확장이 요구된다. 이는 실제 임상에서 나타나는 다양한 언어 장애 양상을 반영함과 동시에, AI 기술의 적용 가능성을 검증하는 데 기여할 수 있다.

셋째, 병인의 명확한 구분과 다양한 임상군을 포함한 연구를 통해, AI 기반 기술의 일반화 가능성과 임상 적용성을 높일 수 있는 근거를 마련해야 한다.

마지막으로, 언어 기능의 의미 기반 분석, 담화 구조 평가, 상호작용적 의사소통 측면까지 포괄할 수 있는 자연어처리 및 대화형 AI 기술의 통합적 적용이 국내 연구에서도 적극적으로 시도되어야 할 것이다.

본 연구의 제한점은 다음과 같다. 첫째, 분석 대상 논문을 2015년 이후 국내에서 발표된 연구로 한정함으로써, AI 기술 도입 이전의 장기적인 연구 흐름이나 국외 연구 동향과의 직접적인 비교에는 한계가 있다. 둘째, 분석 대상 논문의 수가 제한적이어서 연구 유형이나 장애 영역별 분포를 일반화하여 해석하는 데에는 주의가 필요하다.

이러한 제한점에도 불구하고, 본 연구는 국내 후천적 뇌손상 환자 대상 AI 기반 언어 연구의 현황을 체계적으로 정리하고 향후 AI 기반 언어 평가 및 중재 연구의 방향 설정을 위한 기초 자료를 제공한 것에 그 의의가 있다.