使用元音声学特征的自闭症成人机器学习分类

《Research in Autism》：Machine learning classification of autistic adults using vowel acoustic features

　　

随机token级分割产生了高自闭症分类性能；分类性能在说话者独立验证下下降；基频（F0）是跨验证方案中最具影响力的声学特征；元音声学特征包含与自闭症相关语音分类相关的信息；可解释机器学习突出了自闭症语音的候选声学标记。

自闭症谱系障碍（Autism Spectrum Disorder, ASD）是一种以社交沟通障碍和重复刻板行为为特征的神经发育疾病。自闭症个体的语音在韵律、音高、强度等方面常表现出异质性差异，但现有研究多聚焦儿童，对成人语音声学特征的系统性分析较少，且缺乏可解释的机器学习（Machine Learning, ML）框架。为解决这一问题，研究人员Georgios P. Georgiou和Maria Paphiti开展了基于元音声学特征的自闭症成人ML分类研究，旨在识别稳定且可解释的声学标记。该论文发表在《Research in Autism》。

研究人员招募了36名塞浦路斯希腊语成人（18名自闭症患者，年龄18–40岁；18名典型发育对照，年龄18–42岁），所有参与者均经专业临床医生依据《精神障碍诊断与统计手册》第五版（DSM-5）确诊，且排除智力障碍或语言共病。通过受控的元音产出任务，每位参与者朗读含五个希腊元音（/i e a o u/）的伪词，共获取2873个token级样本。使用Praat软件提取每个元音token的9个声学特征：基频（F0）、第一共振峰（F1）、第二共振峰（F2）、第三共振峰（F3）、时长、jitter（基频微扰）、shimmer（振幅微扰）、谐噪比（Harmonics-to-Noise Ratio, HNR）和强度。采用四种ML模型——LightGBM、随机森林（Random Forest）、支持向量机（Support Vector Machine, SVM）和XGBoost——进行二分类，并采用两种验证策略：随机token级分割（80%训练/20%测试）和说话者独立重复5折交叉验证（10次重复，以参与者为单位分组）。可解释性分析使用Shapley Additive Explanations（SHAP）量化各特征对模型预测的贡献。

研究结果如下：
1. **声学特征分布与单变量比较**：通过视觉检查和Welch独立样本t检验，仅HNR在未校正多重比较时表现出组间显著差异（p=0.046，Cohen's d=0.69），但经错误发现率（False Discovery Rate, FDR）校正后不再显著。其他特征（F0、F1、F2、F3、时长、jitter、shimmer、强度）均无显著差异。
2. **随机分割分类性能**：在随机token级分割下，集成树模型（LightGBM、随机森林、XGBoost）表现良好，随机森林达最优性能（AUC=0.892，95%置信区间[0.867, 0.920]），SVM相对较低（AUC=0.812）。该结果说明在当前数据集内，元音声学特征包含自闭症分类的判别信息。
3. **说话者独立分类性能**：当采用说话者独立验证（排除所有未见说话者的token）时，所有模型性能大幅下降，AUC值约0.57–0.61，且置信区间宽泛，包含随机水平。这表明模型对未见说话者的泛化能力有限，随机分割的高性能可能依赖于说话者内特性。
4. **性别分层分析**：在男性子集中，AUC值为0.835–0.907，随机森林最优；女性子集中AUC为0.650–0.878，但女性样本仅含3名自闭症和3名对照，结果需谨慎解释。
5. **SHAP特征重要性**：在随机分割和说话者独立两种验证方案中，F0始终是最重要的预测特征，强度次之，F3和F1贡献中等，而时长、shimmer、HNR、jitter和F2贡献较小。F0的跨方案一致性突出，表明其在多变量模型中提供稳定的预测信息。

讨论部分指出，F0的持续重要性支持其作为成人自闭症语音候选标记的潜力，但说话者独立性能的显著下降强调该声学特征集尚不能作为独立诊断工具。研究结论部分翻译如下：总体而言，本研究提供了初步证据，表明可解释的声学特征包含与基于机器学习的自闭症和典型发育成人元音产出分类相关的信息。随机token级分割下的强性能显示了当前数据集中的显著判别信息，而说话者独立验证下的显著下降表明该性能并未以相同强度泛化到未见说话者的元音产出。然而，SHAP分析的一致性，特别是F0的持续突出，表明某些声学维度在验证方案中贡献相对一致。这些发现支持继续研究元音声学特征作为研究成人自闭症语音的候选标记，同时强调在考虑此类模型适用于评估相关应用之前，需要更强的说话者独立证据。