버팔로 대학교 연구진이 인공지능을 활용한 필적 분석으로 아동의 학습장애 조기 진단 방식을 혁신할 수 있음을 입증했다.
2025년 5월 14일, 저널 SN Computer Science에 게재된 이번 연구는 AI가 아동의 필적에서 난독증과 난서증과 연관된 미묘한 패턴을 식별하는 프레임워크를 제시한다. 컴퓨터공학과 Venu Govindaraju 석좌교수(논문의 교신저자)가 이끄는 연구팀은 미국 우체국 우편물 분류 시스템에 활용된 필적 인식 기술 등 기존 연구를 토대로 이번 성과를 도출했다.
Govindaraju 교수는 “이러한 신경발달장애를 조기에 발견하는 것은 아동이 학습 및 사회·정서 발달에 부정적 영향을 받기 전에 적절한 지원을 받을 수 있도록 하는 데 매우 중요하다”고 강조했다.
AI 시스템은 글자 형성, 간격, 필기 속도, 압력, 펜 움직임 등 필적의 다양한 요소를 분석한다. 이를 통해 철자 오류, 조직력 문제 등 기존 평가로는 놓치기 쉬운 지표까지 포착할 수 있다. 기존 연구가 주로 난서증 진단에 초점을 맞췄던 반면, 이번 접근법은 난독증과 난서증을 동시에 식별하는 것을 목표로 한다.
연구진은 네바다대학교 리노캠퍼스의 Abbie Olszewski와 협력해 난서증·난독증 행동지표 체크리스트(DDBIC)를 공동 개발했다. 유치원부터 초등학교 5학년까지 학생들의 필적 샘플을 수집해 AI 모델을 훈련하고, 이를 바탕으로 조기 선별 시스템을 구축 중이다.
이 기술은 기존에 언어치료사와 작업치료사가 담당하던 진단의 전국적 인력 부족 문제를 해소하는 데도 기여할 전망이다. 현재의 선별 도구는 효과적이지만 비용과 시간이 많이 들고, 한 번에 한 가지 장애만 평가하는 한계가 있다. AI 기반 접근법은 특히 의료 인프라가 부족한 지역에서 조기 진단의 접근성을 크게 높일 수 있다.
이번 연구는 UB가 주도하는 '국립 AI 특수교육 연구소'의 일환으로, AI를 활용해 언어 및 말 처리 장애 아동을 조기에 식별하고 지원하는 시스템 개발을 목표로 한다. 조기 개입이 가능해지면 전 세계 수백만 아동의 교육적 성과가 크게 향상될 것으로 기대된다.