帕金森病是全球第二大最常见的神经退行性疾病，常伴有发声障碍，如嘶哑、音调变化减少以及说话单调等问题。这些细微但可检测到的语音异常已成为潜在的生物标志物，使得非侵入性筛查方法变得越来越有吸引力。
近期，《Inventions》期刊上发表的一篇综述探讨了机器学习（ML）是否可以通过语音、语言和声音的变化来准确检测帕金森病（PD）。该研究由意大利卡梅里诺大学的研究人员完成，对34篇同行评审论文进行了评估，以确定声学生物标志物在不同数据集、任务和语言环境中的诊断效用，并分析了AI模型的表现。
综述发现，支持向量机（SVM）是最常用的技术，在所研究的文献中占比达64.7%，其次是k近邻算法（KNN）、随机森林（RF）以及卷积神经网络（CNN）和长短期记忆网络（LSTM）等深度学习模型。总体而言，模型表现非常令人鼓舞：近75%的研究达到了80%以上的准确率，有些甚至超过99%。然而，作者提醒称，过拟合、样本量有限以及数据集不平衡仍是持续存在的方法论挑战。
哪些模型和方法主导了帕金森病语音诊断？
被评估的研究主要依赖于从持续元音发音、句子朗读、口头流畅性和对话交流等任务中提取的声学特征。语音信号记录条件包括受控环境和真实场景，从隔音室到基于智能手机的日常对话均有涉及。值得注意的是，PC-GITA（西班牙语）、UCI-PD（英语）和Sakar（土耳其语）是用于模型训练中最常用的几个数据集。
机器学习流程通常包括特征提取、归一化、模型训练、验证和部署。交叉验证方法，尤其是10折交叉验证和留一法（LOSO），在超过70%的研究中被用来评估模型的鲁棒性。传统机器学习技术在处理简单的元音发音任务时占据主导地位，而深度学习和混合模型在更复杂的任务（如即兴对话和叙述性讲述）中表现更佳。
在深度学习技术中，卷积神经网络（CNN）、长短期记忆网络（LSTM）以及预训练架构如ResNet和VGG尤为突出。结合特征工程机器学习与深度学习层的混合模型在多语言数据集中始终表现出高精度。综述强调，混合方法可能在不同语音环境下提供解释性、准确性和适应性的最佳平衡。
真实世界临床应用仍面临哪些障碍？
尽管在研究环境中展示了高诊断潜力，但综述指出，基于机器学习的语音诊断要成为临床标准仍需克服重大障碍。其中最主要的挑战是缺乏大规模、多样化且人口统计平衡的数据集。许多研究包含的受试者少于50人，且以老年男性为主，引发了关于普适性的担忧。仅有20%的被审查数据集在类别（PD患者与健康对照组）和性别方面保持平衡。
此外，研究还指出了方法论上的不一致性，例如在特征选择过程中使用训练数据，这可能导致过拟合。报告性能指标不充分的现象也很普遍；虽然88%的研究报告了准确率，但只有30%报告了F1分数，仅12%包含了AUC值。此外，只有60%的研究使用了独立测试集，仅有三项研究遵循最佳实践，将数据分为训练、验证和测试三部分。
临床整合是另一个重要挑战。大多数机器学习系统仍处于研究原型阶段，与电子健康记录或临床工作流程缺乏兼容性。解释性和易用性对于医疗环境中的采用至关重要，但很少有研究关注用户界面或临床医生的可用性。监管壁垒（如FDA和EMA批准）、语音数据隐私的伦理考量以及文化和语言偏见也阻碍了大规模部署。
未来发展方向
尽管机器学习和人工智能在通过语音生物标志物实现帕金森病的早期、准确和非侵入性诊断方面展现出巨大潜力，但在数据质量、模型验证和临床整合方面仍需显著改进，才能将这些研究工具转化为可靠的诊断辅助手段。
该研究提出了以下建议：
- 创建标准化、多语言且符合伦理的数据集
- 提升方法论透明度和可重复性
- 报告全面的评估指标，而不仅仅是准确率
- 利用对话型语音获取更丰富的数据洞察
- 开发面向临床医生的实时诊断友好界面
(全文结束)
