超越可解码性：声学因素是否会驱动基于语音的阿尔茨海默病评估中的预测？

arXiv:2610.01846v1 公告类型：交叉 摘要：基于语音的阿尔茨海默病（AD）评估日益依赖预训练的自监督学习（SSL）模型，这些模型直接从原始音频中学习声学表征，使模型接触到录音因素。我们探讨了这些因素是否仅仅被编码在 SSL 表征中，还是能够系统性地改变预测结果。我们使用 ADReSSo 和三个大型 SSL 主干模型，对仅包含参与者语音的音频、非语音音频以及完整录音音频施加受控的噪声和混响干预。我们结合逐层线性解码、输入空间与表征空间干预，以及几何对齐分析，以区分声学因素的可解码性与其对阿尔茨海默病预测的影响。结果表明，在三个 SSL 主干模型中，受控的声学干预都会改变阿尔茨海默病预测结果。尽管在原始数据中噪声未表现出显著的诊断组间差异，但它产生了最强的干预效应。重要的是，这些效应相对于分类器的决策方向呈现出系统性结构，在留出的测试集上得以复现，并且当表征空间中的干预方向反转时，效应也随之反转。总体而言，这些发现表明，高预测性能以及测量到的声学因素不存在显著诊断组间差异，并不足以保证模型的稳健性。我们认为，基于干预的稳健性测试应成为构建可信临床语音模型的标准做法。