Een nieuw screeningssysteem voor de ziekte van Parkinson combineert gezichtsuitdrukkingen en stemgeluid, zonder daarbij gebruik te maken van medische labels of diagnoses. Het model draait volledig op vooraf getrainde systemen en is bedoeld als eerste filter in een diagnostisch traject. De resultaten verschenen als preprint op arxiv.org.
De ziekte van Parkinson is een progressieve bewegingsstoornis die ontstaat wanneer hersencellen die dopamine aanmaken geleidelijk uitvallen, aldus de clevelandclinic.org. Veelvoorkomende symptomen zijn trillen, stijfheid, traagheid en evenwichtsproblemen. In de Verenigde Staten wordt de aandoening jaarlijks bij ongeveer 90.000 mensen vastgesteld.
Geen labels nodig
Traditionele machine learning-modellen voor screening hebben grote hoeveelheden gelabelde data nodig — gegevens waarop een arts of expert heeft aangegeven of iemand daadwerkelijk Parkinson heeft. Die data zijn echter beperkt beschikbaar vanwege privacyoverwegingen en de noodzaak van dure, specialistische beoordelingen.
De onderzoekers stellen daar een andere aanpak tegenover. In plaats van ziektelabels te gebruiken, trainen ze hun systeem uitsluitend op gegevens van gezonde controles. Het model bestaat uit twee delen: een gezichtsmodule die gebruikmaakt van een Vision Transformer voor gezichtsuitdrukkingen, en een stemmodule die draait op het audiosysteem HuBERT.
Voor de stemmodule ontwikkelden de onderzoekers een zogenaamde contrastieve activatietoevoeging op basis van synthetische dysartrie — een spraakstoornis die vaak bij Parkinson voorkomt. Door gezonde spraak kunstmatig te vertragen en te vervormen, simuleerden ze de kenmerken van Parkinson-spraak. De gezichtsmodule werkt anders: die berekent een afwijkingsscore op basis van hoe ver een gezicht verwijderd is van het gemiddelde van de controlegroep.
Opvallende resultaten
Op de YouTubePD-benchmark, een veelgebruikte testdataset, behaalde de stemmodule een AUROC-score van 0,765. De gezichtsmodule scoorde 0,751. Door beide modellen te combineren kwamen de onderzoekers uit op een AUROC van 0,802, met een betrouwbaarheidsinterval van 95 procent. De negatief voorspellende waarde lag op 0,95, wat betekent dat het systeem in 95 procent van de gevallen correct aangeeft dat iemand de ziekte niet heeft.
Die hoge negatief voorspellende waarde maakt het model volgens de auteurs geschikt als triage-instrument: een eerste filter dat mensen zonder Parkinson kan uitsluiten, waarna verdere diagnostiek alleen nodig is voor wie overblijft.
Nieuwe analysemethode
Het onderzoek introduceert ook een nieuw concept: het "alignment-principe". Dit is een analyse die achteraf bekijkt of een detector op basis van synthetische degradatie werkt. Dat blijkt het geval wanneer de cosinusovereenkomst tussen de synthetische en de echte ziektedirection groter is dan nul.
Voor de stemmodule was die waarde +0,37 — positief, dus de aanpak werkte. Voor de gezichtsmodule was de waarde echter -0,48, wat betekent dat de synthetische aanpak daar faalde en de alternatieve afwijkingsmethode beter presteerde.
Kanttekeningen
De onderzoekers zijn zelf voorzichtig over de resultaten. Een controle op overfitting toonde aan dat de stemmodule goed overdraagbaar is naar nieuwe data. Bij de gezichtsmodule — en daarmee ook bij de gecombineerde score — is de AUROC mogelijk te optimistisch en moet externe validatie uitwijzen of de resultaten standhouden.
Het onderzoek is ingediend bij arXiv en nog niet peer-reviewed. De preprint is beschikbaar via .