《Bioengineering》：Non-Invasive Voice-Based Early Detection of Parkinson’s Disease via Spectral Feature Analysis and Machine Learning Techniques
编辑推荐：
背景：帕金森病（PD）是一种慢性、缓慢进展且不可逆的神经病理障碍，其特征是特定神经元的进行性退化，这些神经元负责产生对运动控制至关重要的神经递质。尽管PD主要影响运动功能，但在前驱期常出现多种非运动症状，包括自主神经功能障碍、认知与神经行为障碍，以及感觉和睡眠
背景：帕金森病（PD）是一种慢性、缓慢进展且不可逆的神经病理障碍，其特征是特定神经元的进行性退化，这些神经元负责产生对运动控制至关重要的神经递质。尽管PD主要影响运动功能，但在前驱期常出现多种非运动症状，包括自主神经功能障碍、认知与神经行为障碍，以及感觉和睡眠异常。值得注意的是，言语和嗓音改变（尤其是运动减退性构音障碍）是常见表现。本研究提出一种通过语音识别和机器学习（ML）技术，利用语音信号区分PD患者与健康对照者的方法。研究使用包含81个语音样本（41个健康对照，40个PD患者）的数据集，提取了两类倒谱特征：梅尔频率倒谱系数（MFCC）和基于子带的倒谱系数（SBC）。这些提取的特征用于训练和评估三种机器学习算法：随机森林（RF）、K近邻（KNN）和支持向量机（SVM）。结果：在评估的算法中，SVM-SBC模型表现出最佳性能，准确率达79%，敏感性达75.5%，受试者工作特征曲线下面积（AUC-ROC）达84%。结论：本研究强调了将倒谱特征与机器学习算法相结合，以开发可靠、非侵入性PD早期检测工具的潜力。
论文解读：帕金森病（Parkinson's disease, PD）是一种慢性、进展性且不可逆的神经退行性疾病，以中脑黑质致密部（SNpc）多巴胺能神经元进行性丢失为病理特征，导致运动功能障碍。PD的临床诊断主要依赖运动症状的识别，但运动症状通常仅在黑质中50%–60%的多巴胺能神经元及其纹状体末梢已发生显著退变后才出现，导致诊断延迟平均可达3年，且临床诊断准确率仅约80.6%，确诊需依赖尸检。因此，利用非运动症状（如言语障碍）进行早期、无创检测具有重要意义。近年来，人工智能和机器学习（ML）技术为基于声学特征的PD检测提供了新途径。然而，既往研究多采用梅尔频率倒谱系数（MFCC）作为主要声学表征，对能够捕获局部频谱细节的子带倒谱系数（SBC）在PD检测中的应用探索不足。针对这一空白，研究人员提出了一种基于语音频谱特征分析和机器学习技术的PD早期检测方法，系统评估SBC相对于传统MFCC的判别能力，并结合特征选择与超参数优化，以实现稳健、可解释且计算高效的分类框架。该研究使用了Figshare公共数据集，包含81例语音样本（41例健康对照，40例PD患者），采用持续元音/a/发音任务。研究成果表明，SBC结合支持向量机（SVM）可达到79%的准确率和84%的AUC-ROC，优于MFCC和其他分类器组合，为PD的无创早期筛查提供了新的技术路径。相关论文发表在《Bioengineering》。
研究人员所采用的主要关键技术方法包括：从Figshare公开数据集获取语音样本（样本队列来源为50例PD患者和50例健康对照者，经清理后为40例PD患者和41例健康对照者）；对语音信号进行滤波、预加重、分帧和加窗预处理；提取MFCC和SBC两种倒谱特征（各12个系数，并计算均值、标准差、偏度、峰度、最小值、最大值以及一阶和二阶时间差分）；使用Boruta算法进行特征选择；采用贝叶斯优化（对SVM和RF）和网格搜索（对KNN）进行超参数调优；通过重复嵌套交叉验证（外层重复分层5折，3次重复）对模型进行无泄漏评估，计算准确率、精确率、敏感性、特异性、F1分数、马修斯相关系数（MCC）和AUC-ROC等指标。
研究结果部分，论文按不同特征方案进行了系统评估，具体如下：
4.1 MFCC方法结果：基于MFCC特征，KNN模型表现出最佳整体性能，取得了最高准确率和AUC值；SVM虽然特异性峰值最高，但敏感性较低且各折间方差较大，表明其检测阳性病例的稳定性不足；RF的预测能力相对较低，但方差很小，表现出稳定且均衡的特性。
4.2 SBC方法结果：基于SBC特征，所有分类器的PD检测性能均优于MFCC方案。其中SVM表现最为突出，取得了最高准确率（79%）和MCC，AUC达到84%，证实了其在该特征表征下区分健康受试者与PD患者的强大能力。
4.3 混合方法结果（MFCC+SBC）：融合两种特征后，RF成为最均衡且稳健的模型，取得了最高准确率和较高的敏感性；虽然混合特征未在峰值准确率上超越单纯SBC方案，但显著提高了SVM的敏感性；KNN在识别健康对照方面表现出极高的特异性，且跨折稳定性良好。这些结果表明，SBC特征能够有效提升经典机器学习分类器在PD语音检测中的性能，而特征融合可在一定程度上平衡各指标。
讨论部分，研究人员将结果与使用同一Figshare数据集的相关研究进行了对比。指出Rashidi等人（2025）虽然通过集成多种特征取得了RF准确率0.82、AUC 0.89，但其特征选择和超参数配置在全局进行，存在数据泄漏风险；Shen等人（2025）的混合深度学习模型依赖单次数据划分，且包含年龄、性别等人口统计学特征，可能使模型学习到语音衰老模式而非PD病理特征。相比之下，本研究通过将Boruta特征选择完全嵌入各折训练循环，并彻底去除年龄和性别变量，确保了SVM-SBC模型0.840的平均AUC是真正由疾病特征驱动。尤其值得注意的是，Quamar等人（2025）在同一数据集上使用传统机器学习时准确率仅为0.44–0.55，而本研究利用SBC特征使经典SVM准确率达到0.79，提升了约34%，证明精心设计的、与听觉机制对齐的频谱特征可有效弥补经典模型的结构复杂度不足。从临床转化角度看，该框架具有计算轻量、可解释性强等优势，适合部署于移动健康应用，用于远程非侵入性监测和早期筛查。
研究结论部分翻译如下：本研究成功证明，使用经典机器学习架构可以有效建模帕金森病相关的语音改变，前提是采用高度局部化的频谱特征参数化方法。通过实施完全无数据泄漏且消除年龄混杂因素的严格实验流程，这项初步研究验证了子带倒谱系数能够提供稳健且统计学上可靠的诊断筛查能力。本文的核心科学贡献在于证明，与人类听觉响应对齐的精准手工声学特征（如SBC）能够显著提升经典分类器的性能。例如，使用SVM分类器实现0.840的稳定平均AUC，将预测能力提升至远高于既往文献所报道的0.44–0.55的接近随机基线水平。此外，鉴于帕金森病常在运动症状出现后才被诊断，利用言语等非运动症状为早期检测提供了一种有前景的无创途径。实验结果表明，基于语音记录开发计算机辅助诊断系统高度可行，并具有整合到临床环境和远程监测平台的强大潜力。需要强调的是，该系统并非旨在取代医学专家的临床判断，而是作为客观的辅助工具支持医疗决策，尤其是在症状可能细微且难以通过常规临床评估发现的早期和前驱阶段。未来研究应致力于在更大规模和更多样化的数据集上验证所提方法，并扩展到更广泛的发声任务，同时引入SHAP值等方法增强模型可解释性，以识别最具判别力的语音生物标志物。
