Объяснимое машинное обучение для скрининга нарушений голоса с использованием акустических признаков, полученных при выполнении различных речевых заданий

Цель: Оценить и сравнить эффективность моделей машинного обучения при использовании четырёх наборов акустических признаков для различения патологически изменённых голосов и голосов лиц контрольной группы с нормальным голосом. Дополнительно применяли методы объяснимого искусственного интеллекта, чтобы определить конкретные акустические параметры, влияющие на прогнозы моделей.

Методы: Проанализировано 1111 образцов голоса. Сформированы четыре набора признаков: для протяжённой гласной, связной речи, объединённого образца и комбинированный набор. Обучение и оценку классификаторов на основе метода опорных векторов, случайного леса и eXtreme Gradient Boosting проводили с использованием независимой тестовой выборки. Эффективность моделей оценивали по точности и площади под ROC-кривой; для апостериорной интерпретации признаков применяли метод SHapley Additive exPlanations.

Результаты: Наивысшую эффективность классификации продемонстрировал комбинированный набор признаков; наилучший общий результат получен при использовании eXtreme Gradient Boosting (точность 97,31%). Различия между наборами признаков сильнее влияли на эффективность, чем выбор классификатора, что подчёркивает критическую роль акустической информации, полученной при выполнении различных речевых заданий. Наиболее значимыми предикторами оказались CSID, CPP_v, L/H ratio_v, L/H ratio_SD и AVQI. Все ошибки классификации возникали только при различении голосов с нормальным восприятием (степень 0) и лёгкой дисфонией (степень 1); ошибок при умеренной (степень 2) и тяжёлой (степень 3) дисфонии не выявлено.

Выводы: Объединение акустической информации, полученной при выполнении различных речевых заданий, значительно улучшает различение патологически изменённых голосов. Применение объяснимого машинного обучения позволило выделить компактный набор акустических предикторов, имеющих клиническое значение, что убедительно подтверждает потенциал этого подхода как объективного и прозрачного инструмента скрининга нарушений голоса.