《Frontiers in Artificial Intelligence》:IFI-ML: a novel framework combining Fuzzy Inference and Machine Learning for Parkinson's disease classification
编辑推荐:
帕金森病(Parkinson's disease, PD)的早期检测仍具挑战性,原因在于声音信号复杂且数据严重不平衡,这要求机器学习(machine learning, ML)模型提供更高的分类准确率。本研究旨在打破基于语音的PD分类中敏感性与特异性之间系统性
帕金森病(Parkinson's disease, PD)的早期检测仍具挑战性,原因在于声音信号复杂且数据严重不平衡,这要求机器学习(machine learning, ML)模型提供更高的分类准确率。本研究旨在打破基于语音的PD分类中敏感性与特异性之间系统性的反向权衡。研究人员提出智能模糊推理与机器学习(Intelligent Fuzzy Inference and Machine Learning, IFI-ML)框架,这是一种不确定性感知架构,利用基于熵的分区、混合分类器和Sugeno Type-2模糊推理系统(Fuzzy Inference System, FIS)。传统框架在整个数据集上应用全局重采样技术,如合成少数类过采样技术(Synthetic Minority Over-sampling Technique, SMOTE)或随机过采样(Random Over-Sampling, ROS),而所提出的IFI-ML框架利用信息增益驱动的聚类将样本划分为敏感(不确定边界)和非敏感分区。该框架在稳定的非敏感簇上优化传统ML分类器,同时将关键边界样本路由至Type-2 FIS,以处理局部类别重叠而不扭曲整体数据分布。研究人员在两个来自加利福尼亚大学欧文分校(University of California, Irvine, UCI)机器学习库的公开不平衡数据集上评估该框架:Parkinson's voice Dataset 1(D1)和Dataset 2(D2)。所提出框架在D1上达到97%的准确率,在D2上达到92.17%的准确率,同时将特异性提高至D1的94–95%和D2的75–88%。马修斯相关系数(Matthews Correlation Coefficient, MCC)分别提高至0.93和0.77。此外,IFI-ML在D1的所有分类器上将假阳性和假阴性率降至3–7%,并在D2上将K-最近邻(K-Nearest Neighbors, KNN)模型的假阳性率限制在11–12%。在严格的10折交叉验证(10-fold cross-validation, 10 CV)方案下,该框架持续优于15个基线机器学习模型。这些基准结果表明所提出方法的临床可靠性和鲁棒性,为非侵入性声音生物标志物建立了最先进基准。
一、研究背景与问题
帕金森病(Parkinson's disease, PD)是全球第二常见的神经退行性疾病,影响超过850万人。其病理特征包括黑质致密部慢性进行性退变以及错误折叠的α-synuclein蛋白在细胞内沉积并聚集形成Lewy小体。临床上,早期诊断十分重要,但症状多变且常与其他神经系统疾病重叠;经典诊断量表如统一帕金森病评定量表(Unified Parkinson's Disease Rating Scale, UPDRS)受主观评价、临床医生经验和观察者间变异影响,可靠性有限。PD临床过程通常从早期非运动性发声障碍(语音不稳和喉部肌肉强直)发展至晚期运动症状,如运动迟缓、静止性震颤和姿势不稳。声音损害常先于运动症状出现,因此语音生物标志物可作为客观、非侵入、可负担的筛查替代方案。近年可解释机器学习(machine learning, ML)方法(如eXtreme Gradient Boosting, XGBoost和SHapley Additive exPlanations, SHAP)及声学特征已被用于远程监测和分类。然而,相关数据集本身不平衡,研究人员常使用SMOTE或ROS等全局重采样方法。现有问题在于:传统ML技术通常存在敏感性与特异性的显式权衡,常以牺牲特异性来最大化召回率,导致较大假阳性负担、不必要临床随访和患者焦虑;全局重采样方法常忽略边界不确定性,对复杂异质语音数据产生偏倚和不稳定模型;目前缺乏显式考虑局部不确定性而非全局数据操纵的框架。因此,研究人员开展IFI-ML研究,目标是构建不确定性感知架构,定位标准ML易失败的边界区域,保持效率,并在不牺牲早期临床筛查敏感性的情况下获得高特异性,以减少假阴性和假阳性。
二、研究开展、结论与意义
研究人员提出IFI-ML框架,采用双轨处理范式:利用基于熵的特征分区将数据分为敏感和非敏感簇,对非敏感簇使用优化的可扩展ML模型,对不确定性最大的关键边界区域保留Sugeno/Type-2 FIS。研究评估了该框架在D1和D2两个UCI语音数据集上的表现,并与15个基线ML模型、SMOTE和ROS平衡方法比较。结论显示,IFI-ML在D1达到约97%准确率和约0.94的MCC,在D2达到92.17%准确率和约0.77的MCC,同时提高特异性并降低假阳性/假阴性率,持续优于基线模型。其意义在于提高临床可靠性,为非侵入性声音生物标志物提供稳健、可解释的早期PD检测工具,并缓解初级保健瓶颈。
三、关键技术与方法(≤250字)
研究采用信息增益(Information Gain, IG)特征评分、基于基尼不纯度(Gini impurity)的树分区和动态阈值τ
D1≈0.28、τ
D2≈0.25划分敏感与非敏感簇;非敏感簇优化15种传统ML分类器,敏感边界样本交由梯度下降优化的Sugeno Type-2 FIS处理;采用嵌套双循环交叉验证,外层分层10折交叉验证(10-fold cross-validation, 10 CV),内层10 CV调参,所有流程仅在训练折拟合,最终以加权平均评估ML与FIS;使用SHAP解释模型。样本队列来源为UCI机器学习库:D1来源于Little(2007)数据集,195样本、23特征;D2来源于Sakar et al.(2018)数据集,756样本、752特征,含可调Q因子小波变换(Tunable Q-factor Wavelet Transform, TQWT)和梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients, MFCC)描述符。
四、研究结果
3.1 基线性能与权衡:通过15个分类器在D1和D2上的10 CV评估发现,基线模型在D1上召回率多高于90%但特异性较低,例如支持向量机(Support Vector Machine, SVM)召回率97.28%、特异性45.83%;多层感知机(Multi-layer Perceptron, MLP)准确率90.16%、特异性81.25%、MCC 0.7277。D2上部分指标下降,MLP准确率82.68%、特异性58.85%;CatBoost在D2基线中表现较好,准确率85.45%、MCC 0.8821、特异性56.77%。说明传统模型存在敏感性-特异性权衡。
3.2 类别平衡(SMOTE与ROS)的影响:通过SMOTE和ROS平衡后比较发现,D1中KNN特异性由45.83%提高至SMOTE下85.42%,MCC由0.4540提高至0.6143;SVM在SMOTE下特异性提高至66.67%但召回率由97.28%降至81.63%。D2中KNN在SMOTE下特异性提高至81.25%,假阳性率由54.17%降至18.75%;但SMOTE下GNB和CatBoost等准确率或MCC下降。说明全局平衡可改善部分特异性,但仍存在残余权衡和不稳定性。
3.3 IFI-ML:解决权衡:通过IFI-ML在10 CV下评估发现,D1上15个分类器准确率94.87–96.98%、MCC超过0.89;D2准确率84.47–92.73%、MCC超过0.66。D1中Bagging在IFI-ML-ROS下准确率96.98%、特异性96.34%;SVM在IFI-ML-SMOTE下召回率95.90%、特异性95.29%、准确率96.43%;KNN特异性达94.23%。D2中GP在IFI-ML-ROS下准确率92.17%、特异性84.46%、召回率96.42%;KNN在IFI-ML-SMOTE下特异性82.03%、召回率95.40%、MCC 0.7796。说明IFI-ML可同时维持高敏感性和高特异性。
3.4 可解释性与决策支持:通过自适应Gini阈值和叶节点分析发现,D1中单标签纯节点包括98例PD样本和6例健康样本,D2中包括20例PD样本和31例健康样本;D1非敏感节点中SVM、KNN、RF特异性约95–96%,D2非敏感节点中MLP准确率91.06%、特异性83.22%;敏感节点被绕过ML并路由至Sugeno FIS局部推理。说明该框架可提供置信度感知的终端节点表示,帮助临床识别高/低置信预测区域。
3.5 鲁棒性、泛化性与方差控制:通过比较全局重采样与IFI-ML发现,D2中标准SMOTE使CatBoost准确率降至81.74%、MCC 0.5199,而IFI-ML下CatBoost准确率86.85%、MCC 0.6944;D1中标准SMOTE使SVM召回率降至81.63%、特异性66.67%,IFI-ML-SMOTE下SVM召回率95.90%、特异性95.29%;GNB在D2中SMOTE特异性66.15%,IFI-ML下升至83.71%。15个分类器中14个在D1的MCC高于0.90、D2高于0.77(原文如此表述),说明框架具有较好稳定性和泛化性。
3.6 IFI-ML模型解释:通过SHAP分析发现,D1中音高周期熵(pitch period entropy, PPE)、spread1、NHR、MDVP:Fo(Hz)、MDVP:Fhi(Hz)和spread2具有最高绝对SHAP值;高PPE和高spread1与发声非周期性和精细运动控制丧失相关,推动预测趋向PD;高NHR、低HNR为强PD指示,较低平均音高常与PD相关;Jitter:DDP、MDVP:Shimmer、Shimmer:DDA等也显示可解释趋势。D2中主导特征包括app_det_TKEO_mean_7_coef、app_det_TKEO_mean_8_coef、det_entropy_shannon_8_coef、std_delta_delta_log_energy及来自敏感集的PPE。说明IFI-ML决策与PD发声障碍既定病理生理标志物较一致。
五、讨论总结与结论翻译
讨论总结:方法学创新方面,IFI-ML将基于熵的聚类与模糊推理整合,使PD预测在不同数据区域更一致,可同时处理全局分布结构和局部不确定性;Gini簇带来自适应敏感性并提高稳定性,区别于单阶段或单模型方法,且对边界不清或复杂样本有效。临床意义方面,IFI-ML在D1降低假阴性率至3–7%、特异性达94–95%,D2特异性75–88%,并在不同模型和平衡技术下保持增益;其优势不仅是类别分布校正,更体现为决策边界建模改善,尤其在高维异质D2上,通过隔离高不纯度样本交由Sugeno FIS处理,而非依赖不稳定的合成生成。与现有方法比较,既有研究多通过重采样或特征工程追求准确率,但仍存在边界不确定性、假阳性/假阴性和可解释性问题;现有方法可归为特征中心方法、全局重采样与ML、模糊与混合系统三类;IFI-ML通过分离敏感边界病例进行靶向模糊逻辑处理,但需要初始熵分区。对医学AI发展的影响方面,IFI-ML在D1敏感性高于90%、D2为87–96%,D1特异性高于94%、D2为75–88%,跨模型和平衡方法下D1准确率95–97%、D2为87–93%,有助于稳定异质数据集结果并支持临床采纳。
研究结论翻译:IFI-ML框架通过超越单体化、一刀切诊断模型的局限,为非侵入性帕金森病分类建立了新基准。IFI-ML的主要创新在于不确定性感知的双轨架构,利用熵引导分区隔离并专门处理局部边界不确定性。对15个分类器的实证验证显示最先进性能:IFI-ML在D1达到97%的最优准确率和0.9400的MCC,同时在异质D2上保持92.17%的稳健准确率和0.7700的MCC。这些结果相对现有全局重采样方法具有统计学显著改善,后者在高维特征空间中均表现不足。临床上,该框架有效克服了长期限制医学AI可靠性的敏感性-特异性张力。通过Sugeno型模糊推理选择性建模高熵簇,IFI-ML提供稳健、可解释的工具,在确保早期筛查高诊断敏感性的同时减轻假阳性临床负担(3.66–24%)。这种熵驱动整合提高了跨数据集鲁棒性,并为从业者提供生理上可接受的决策支持层。未来工作将包括使用多机构评估对该框架进行纵向验证,以及整合运动与认知生物标志物的多模态方法,以进一步优化复杂临床人群中的诊断精度。