从黑匣子到临床洞察：基于语音的认知障碍检测的多阶段可解释框架

基于言语的认知障碍检测为昂贵的生物标志物检测提供了一种无创且易于使用的替代方案，但基于 Transformer 的模型在临床上仍然无法解释。我们提出了一个多阶段可解释性框架，通过集成基于 SHapley Additive exPlanations (SHAP) 的标记归因、基于理论的语言特征和使用 LLaMA-3.1-70B-Instruct 的四阶段 LLM 推理管道，将黑盒 Transformer 预测转化为有临床依据的解释。该框架建立在 SpeechCARE-Adaptive Gating Network 多模态筛选模型（NIA PREPARE 基准上 F1 = 72.11%）的基础上，将模型输出映射到四个认知语言维度，包括词汇丰富度、句法复杂度和语义连贯性。医生对 70 个分层英语样本的评估表明与患者层面的认知概况高度一致，系统可用性量表得分为 82/100，表明临床工作流程集成的潜力很大。