使用预先训练的语音嵌入进行跨语言帕金森病严重程度评估：多类别评估

帕金森病 (PD) 通常通过言语障碍表现出来，有助于进行可访问、非侵入性且经济有效的严重程度评估，以进行早期诊断和进展跟踪。尽管语音基础模型 (SFM) 取得了进步，但由于标记数据有限、缺乏可解释的方法以及语言和数据集之间的差异，其对 PD 严重程度多类分类的跨语言泛化仍未得到充分探索。在这项工作中，我们在零样本和 k 样本跨语言设置的三个数据集中评估来自四个最先进的开源 SFM 的预训练嵌入，以进行多类 PD 严重性评估。我们的结果表明，预训练的语音嵌入可以实现有意义的跨语言迁移，尽管性能对数据集属性、预处理和适应策略很敏感。在这些条件下，与说话者之间的变异性和非典型语音模式相关的错误分类突出表明需要更强大的特征提取和建模来进行 PD 严重程度评估，同时强调可解释性对于可靠的临床见解的重要性。