《Bioengineering》：Pilot Study Employing a Machine Learning Approach as a Potential Method for Predicting Parkinson’s Disease Using Voice as a Digital Biomarker and the SHAP Approach for Feature Engineering
编辑推荐：
引言：基于语音的数字生物标志物已成为区分神经退行性疾病患者（尤其是帕金森病（PD））与健康受试者（HS）的一种有前景的方法。随着智能手机和基于网络的录音工具的日益普及，语音数据可以在临床和远程环境中高效收集。然而，在将这些方法转化为常规临床实践之前，还需要进一
引言：基于语音的数字生物标志物已成为区分神经退行性疾病患者（尤其是帕金森病（PD））与健康受试者（HS）的一种有前景的方法。随着智能手机和基于网络的录音工具的日益普及，语音数据可以在临床和远程环境中高效收集。然而，在将这些方法转化为常规临床实践之前，还需要进一步验证。方法：本研究在记录层面采用横断面分析，将同一参与者的重复录音视为独立观察结果，数据收集于意大利莱切的Vito Fazzi医院。使用专用的Talia智能手机和Web应用程序收集帕金森病（PD）患者和健康对照者的语音录音。持续元音发声（/a/）被分析为主要语音任务。数据采集后，特征提取作为语音分析流程中的关键步骤进行，因为提取特征的质量和相关性直接影响机器学习模型区分帕金森病（PD）患者和健康对照者的能力。为了捕捉与PD相关的语音障碍的各个方面，研究人员提取了一组全面的声学特征，包括长期特征（基频、基频微扰和振幅微扰）、非线性描述符（如递归周期密度熵（RPDE））以及基于梅尔频率倒谱系数（MFCCs）的短期特征。这些特征随后被用于开发和评估用于帕金森病和健康受试者分类的机器学习模型。使用SHAP进行特征选择，以识别最具信息量的语音生物标志物。模型性能通过五个独立的随机训练-测试分割（70%训练和30%测试）进行评估，并在训练数据内辅以内部五折交叉验证程序。开发并评估了多个机器学习模型，包括随机森林、逻辑回归、支持向量机、朴素贝叶斯、K最近邻、决策树、人工神经网络和梯度提升。结果：评估的模型在记录层面表现出强大的分类性能。人工神经网络（ANN）和K最近邻（KNN）取得了最高的准确率（分别为0.9545和0.9494），以及优越的召回率（高达0.9500）、精确率（高达0.9551）和F1分数（高达0.9525）。这两个模型还表现出出色的判别能力，ROC-AUC值分别达到0.9882（ANN）和0.9893（KNN）。相比之下，朴素贝叶斯和决策树在所有指标上表现相对较低。对数损失分析进一步证实了ANN和KNN的稳健性，它们取得了最低的值（分别为0.2552和0.2510），表明预测校准良好。总体而言，研究结果强调了ANN和KNN在交叉验证分割中的一致性和泛化能力。结论：本研究表明，机器学习模型，特别是ANN和KNN，能够有效利用语音录音区分帕金森病和健康状态。可解释人工智能的集成用于特征选择，增强了模型透明度和临床相关性。然而，报告的性能估计来自记录层面分析，应被视为初步发现。需要进一步研究，涉及更大队列和参与者层面验证策略，以确定这些方法的泛化能力和临床适用性。
**论文解读：基于语音数字生物标志物和SHAP特征工程的机器学习方法用于帕金森病预测的初步研究**
**研究背景与目的**
帕金森病（Parkinson’s disease，PD）是仅次于阿尔茨海默病的第二大常见神经退行性疾病，主要表现为运动障碍（如运动迟缓、僵硬、震颤）以及广泛的非运动症状（如焦虑、抑郁、认知障碍、睡眠紊乱、便秘等）。其病理特征包括α-突触核蛋白的细胞内聚集和黑质致密部（SNc）多巴胺能神经元的进行性丧失（超过50%）。此外，神经炎症、氧化应激、线粒体功能障碍和代谢异常等机制也参与疾病进展。流行病学数据显示，PD患病率从1996年约260万例上升至2021年1180万例，预计到2040年将接近1700万例，带来巨大的经济负担。语音障碍是PD最常见的表现之一，约90%的患者出现运动功能减退性构音障碍，且可能早于明显运动症状，因此语音分析作为非侵入性、客观的工具具有早期识别PD的潜力。然而，现有依赖于语音的机器学习模型常缺乏可解释性，限制了其临床转化。本研究旨在通过集成可解释人工智能（XAI）方法——SHapley Additive exPlanations（SHAP）进行特征选择，开发并评估多种机器学习模型，基于语音录音实现PD与健康对照（HS）的高性能分类，并增强模型透明度。
**主要关键技术方法**
本研究采用意大利莱切Vito Fazzi医院招募的8例PD患者和8例健康志愿者（HS）的语音录音，持续6个月，共获得93例PD录音和96例HS录音。录音设备包括R?DE NT-USB麦克风和IsoVox声学亭，通过Talia智能手机和Web平台采集。主要语音任务为持续元音发声（/a/）。特征提取使用Parselmouth、Librosa和Praat软件，提取20个声学特征，包括长期特征（基频F0、基频微扰jitter、振幅微扰shimmer）、非线性特征（递归周期密度熵RPDE）以及短期特征（梅尔频率倒谱系数MFCCs）。采用SHAP进行特征选择，保留20个最具信息量的特征。数据被分割为5个独立的随机训练-测试集（70%训练，30%测试），并在训练集内进行5折交叉验证。开发并比较了8种机器学习模型：随机森林（RF）、逻辑回归（LR）、支持向量机（SVM）、朴素贝叶斯（NB）、K最近邻（KNN）、决策树（DT）、人工神经网络（ANN）和梯度提升（GB）。评估指标包括准确率、精确率、召回率、F1分数、ROC-AUC和对数损失。
**研究结果**
**3.1 参与者特征与敏感性分析**
研究纳入8例PD患者（男4例，女4例，平均年龄>72岁，所有患者均存在语音障碍）和8例HS（男6例，女2例）。年龄和性别作为唯一预测变量的逻辑回归模型在留一法交叉验证中取得AUC为0.844、准确率0.750、平衡准确率0.750，提示人口统计学变量在小样本中具有一定的判别能力，因此声学模型的高性能需谨慎解释，年龄相关语音变化可能影响分类结果。
**3.2 模型性能评估**
基于5个独立随机分割的平均测试集性能，人工神经网络（ANN）和K最近邻（KNN）在所有指标上表现最优：ANN准确率0.9545，KNN准确率0.9494；ANN召回率0.9500，KNN召回率0.9464；ANN精确率0.9551，KNN精确率0.9528；ANN F1分数0.9525，KNN F1分数0.9496；ANN的ROC-AUC为0.9882，KNN为0.9893，显示出优异的判别能力。ANN和KNN的对数损失最低（分别为0.2552和0.2510），表明预测校准良好。相比之下，朴素贝叶斯（NB）和决策树（DT）性能最差：NB准确率0.8409，召回率0.7714；DT准确率0.8660，召回率0.8321，对数损失最高（DT达2.8687），说明概率校准不佳。梯度提升（GB）准确率0.9442，随机森林（RF）准确率0.9170，支持向量机（SVM）准确率0.8970，逻辑回归（LR）准确率0.8960，均低于ANN和KNN。组间柱状图直观显示ANN和KNN在所有指标上一致优于其他模型。
**3.3 SHAP特征重要性**
SHAP分析显示，MFCC_11_mean、MFCC_10_mean和meanF0（平均基频）贡献最大，其次为pitch_mean、stdevF0、apq11Shimmer（振幅微扰）和RPDE。MFCC相关特征突出表明频谱信息在捕捉PD相关语音改变中的重要性，而语音质量测量和动态特征也有显著贡献。
**讨论与结论**
本研究证实，机器学习模型，尤其是ANN和KNN，能够基于语音录音有效区分PD患者与健康对照，所有模型准确率均超过0.90。与现有研究相比，本研究优势包括：①采用6个月重复录音，获得更大记录级数据集（189个录音）；②使用标准化Talia平台确保采集一致性；③集成SHAP进行可解释特征选择，识别出最具信息量的声学生物标志物（如MFCCs、RPDE等），提升模型透明度和临床相关性。然而，研究存在局限性：样本量小（仅8例PD和8例HS），且为记录级分析而非参与者级验证，结果应视为初步发现；健康对照组未经过神经科医师独立确认；两组年龄未完全匹配，年龄相关语音变化可能混淆结果；决策树模型概率校准差。未来研究需在更大、更均衡的队列中进行参与者级验证，并整合其他数字生物标志物（如步态、书写、可穿戴传感器数据、脑电图等）以提升诊断和监测能力。
**结论翻译**：
本研究表明，机器学习技术能够利用语音录音有效区分帕金森病患者与健康对照者。评估指标（包括准确率、精确率、召回率、F1分数和ROC-AUC）显示所有模型均表现出一致的强大性能。值得注意的是，大多数模型在这些指标上的值超过0.90，反映了高分类可靠性。在传统机器学习方法中，人工神经网络（ANN）和K最近邻（KNN）表现出最佳整体性能，取得了最高准确率，并展现出强稳定性，这体现在其低错误率和在5折交叉验证中一致的表现。此外，基于SHAP的可解释人工智能的应用使研究人员能够识别出最具信息量的声学特征，提高了模型可解释性并支持透明决策。本研究的另一个优势是使用了在6个月期间收集的重复语音录音，并通过记录层面的横断面框架进行分析，从而产生了比单次录音会议更大的数据集。然而，独立参与者的有效数量仍然有限（8例PD和8例健康对照），因此报告的性能估计应在记录层面分析的背景下进行解读。这些发现凸显了基于语音的数字生物标志物在帕金森病分类中的潜力。然而，由于本研究采用记录级评估，结果应被视为初步。未来需要涉及更大队列和参与者级验证策略的研究，才能确定其临床适用性。
