《Frontiers in Aging Neuroscience》：MIL-O-PD: a two-stage multiple instance learning and heuristic optimization framework for unpaired multimodal Parkinson's diagnosis
编辑推荐：
帕金森病(Parkinson's disease, PD)是一种常见神经退行性疾病。近期研究利用脑电图(EEG)与语音信号等非侵入性生物标志物进行PD诊断。然而，多数方法在实例级优化模型，而临床诊断属于受试者级决策过程。研究人员提出MIL-O-PD，一种面向P
帕金森病(Parkinson's disease, PD)是一种常见神经退行性疾病。近期研究利用脑电图(EEG)与语音信号等非侵入性生物标志物进行PD诊断。然而，多数方法在实例级优化模型，而临床诊断属于受试者级决策过程。研究人员提出MIL-O-PD，一种面向PD诊断的新型两阶段受试者级多模态框架。第一阶段采用多示例学习(MIL)，使用模态专用编码器与基于注意力的聚合机制；第二阶段引入基于灰狼优化(Grey Wolf Optimization, GWO)的事后特征优化模块与最终受试者级分类器，并在严格受试者无关条件下支持表征级多模态融合。该框架取得最高70.5%受试者级准确率与69.7% F1分数，优于其他池化机制；注意力权重分析揭示模态特异性行为，增强模型可解释性。该研究为面向非配对多模态数据的PD受试者级分析提供了原则性框架，使学习目标与现实诊断流程对齐。
《Frontiers in Aging Neuroscience》刊发的该文针对帕金森病(Parkinson's disease, PD)诊断中长期存在的训练目标与临床决策不一致问题展开研究。PD是神经退行性运动相关障碍，传统临床依赖患者自述症状，非运动症状早期出现但常规查体难以系统捕捉，因此亟需可量化生物标志物。EEG与语音因非侵入、低成本、易获取而被广泛研究；但现有方法多在段/帧等实例级训练，再用投票或概率聚合得到受试者判断，学习目标与受试者级诊断脱节。同时，EEG与语音在受试者无关设定下的联合建模、以及非配对多模态数据的受试者级学习，均属研究空白。研究人员据此提出MIL-O-PD，把每名受试者的多段信号视为一个包(bag)，以包级标签监督，直接服务临床受试者级判别。
为开展研究，研究人员使用公开队列：EEG来自OpenNeuro-ds004584（100 PD / 49 HC）与OpenNeuro-ds003490（25 PD / 25 HC，取服药期）；语音来自MDVR-KCL（16 PD / 21 HC，英文）与IPVS（28 PD / 57 HC，意大利语）。关键技术方法包括：多示例学习(MIL)把受试者表示为实例集合；模态专用卷积实例编码器分别处理PSD谱图与梅尔谱图；Bahdanau式注意力池化得到受试者嵌入；非配对数据通过加模态指示项的表征级融合构成1001维联合空间；以灰狼优化(GWO)作事后特征选择，并用5次独立运行与Jaccard稳定性指数(JSI)形成自适应共识掩码；下游用多层感知机(MLP)分类，全程受试者无关划分训练60%、验证20%、测试20%。
研究结果如下。
单模态评估：EEG全空间1000维经MLP仅44.6%准确率，GWO优化至246维后升至59.5%准确率、53.2% F1、0.512 ROC-AUC；语音全空间66.2%准确率，优化至274维后达71.8%准确率、69.6% F1。说明单模态在严格受试者无关下性能有限，但GWO可压缩冗余、提升判别性。
多模态融合表征结果：原始1001维联合空间准确率66.9%、F1 64.0%、ROC-AUC 0.637；GWO共识掩码保留729维后，准确率70.5%（95% CI: 0.586, 0.810）、F1 69.7%、ROC-AUC 0.740，且置信区间下界上移，证明互补模态融合比单模态更稳。
优化稳定性分析：GWO在EEG、语音、融合的成对JSI分别为0.3624、0.3884、0.4585；融合空间稳定性最高，共识协议把随机性收敛为确定性掩码（K=729）。
与标准选择基线比较：ANOVA F检验63.4%、互信息(MI)63.6%、递归特征消除结合逻辑回归(RFE-LR)68.7%；GWO以70.5%准确率与0.740 AUC最优，显示全局种群搜索更适配非线性潜空间。
元启发式消融：粒子群优化(PSO) JSI 0.2443、准确率53.1%；和声搜索(HS) JSI 0.3309、准确率61.8%；GWO JSI 0.4585居首，故选GWO为主模块。
第一阶段注意力池化分析：EEG中100%受试者高注意力段平均能量更低，模型抑制眼动/肌电等高能伪迹，关注结构化神经活动；语音中约69%受试者高注意力段能量更高，符合发音、基频扰动等诊断信息集中于高能段的声音学原理，证明注意力权重具生理与声学可解释性。
讨论部分总结：研究人员指出，MIL-O-PD把EEG与语音建成包级问题，用注意力池化对齐临床受试者级目标，并以数据驱动自适应共识控制GWO随机性。融合空间经第二阶段正则后，准确率70.5%、F1 69.7%、AUC 74.0%，置信下界抬升，说明互补生理证据降低诊断不确定性。注意力跨模态异质性进一步验证模型并非随机：EEG抑高能伪迹、语音取高能音段。局限包括语音样本少、跨站点/跨语言分布偏移、非配对致无法建跨模态交互。未来应扩配对队列、加归因可解释方法、做严重度估计与生物标志物发现。
结论部分翻译：本研究中，研究人员提出MIL-O-PD这一面向受试者级PD诊断的原则性两阶段框架，利用EEG与语音信号取得最高70.5%准确率。通过将两种模态纳入MIL范式，该方法在严格受试者无关评估下，显式修正实例级学习与受试者级临床诊断间的错位。所学受试者级表征稳定且可解释；注意力分析揭示与两模态已知特性一致的模态特异性行为；表征级融合为非配对异质模态整合提供实用方案，并产生适于下游分析的稳健受试者嵌入。相较于传统池化，该框架可解释性更好且避开其系统偏差。总之，本研究强调对齐学习目标与临床决策需求的重要性，并确立其作为受试者级神经疾病分析有效框架的地位。
