Самообученные речевые представления для междикторного выявления дизартрии во время краниотомии в сознании

Авторы проверяют, можно ли обнаруживать возникающую во время операции дизартрию у пациента, которого модель не видела при обучении. Это существенно строже обычной случайной разбивки: индивидуальные тембр, микрофон и манера речи больше не служат подсказкой. Главный вывод работы — выбор речевого представления влияет на перенос между пациентами заметно сильнее, чем замена классификатора.

Метод. На данных 11 пациентов применяется исключение одного говорящего по очереди. Сравниваются MFCC и признаки wav2vec 2.0 из разных слоёв, а также XGBoost, MLP, BiGRU и каскадные варианты. Отдельный опыт извлекает признаки только из сегментов пациента после диаризации, чтобы убрать речь хирургов и шум операционной.

Результаты. При междикторной проверке обычные классификаторы дают AUC от 0,587 до 0,615 — разброс всего 0,028. Переход от MFCC к объединению 6-го, 9-го и последнего слоёв wav2vec 2.0 повышает AUC XGBoost с 0,591 до 0,721, каскадного MLP с 0,643 до 0,760, BiGRU с 0,579 до 0,730. Диаризация дополнительно поднимает AUC, например у MLP с 0,741 до 0,760. Лучший результат — AUC 0,760, F1 0,494 и сбалансированная точность 0,694.

Ограничения. Всего 11 пациентов слишком мало для клинического вывода, а AUC 0,76 недостаточна для автономного мониторинга. Данные ретроспективны, ошибки диаризации переносятся в классификатор, а условия конкретной операционной могут не повториться в другой клинике. Полнофрагментное расширение данных не дало устойчивого улучшения.

Фишка из статьи. Абляция разделяет эффект представления и эффект классификатора. Замена трёх стандартных классификаторов меняет AUC максимум на 4,7% относительно, тогда как правильно выбранные слои самообученной модели дают прирост 18–26%. Более сложная голова здесь не компенсирует слабый вход.

Как это читать: в малой медицинской выборке основное преимущество приходит от многоуровневого речевого представления и очистки говорящего, а не от усложнения классификатора. Отсутствие эффекта от обычного расширения данных также предупреждает против механического наращивания примеров.