Towards Dys-XAI: Influence-Based Explanations for Dysarthria Severity Assessment

Sintesi Tecnica: Verso la Dys-XAI: Spiegazioni basate sull'influenza per la valutazione della gravità della disartria

Problematica
La valutazione della gravità della disartria è fondamentale per la pianificazione della terapia clinica e il monitoraggio longitudinale, ma attualmente si affida a una valutazione percettiva manuale, che è dispendiosa in termini di tempo e soggetta a variabilità tra i valutatori. Sebbene i modelli di deep learning abbiano raggiunto prestazioni paragonabili alle valutazioni degli esperti su dataset pubblici, la loro natura di "black-box" ne ostacola l'adozione clinica. Gli esistenti metodi di XAI (Explainable AI) per il parlato, come l'attribuzione delle caratteristiche (ad es., SHAP, LIME) o le visualizzazioni dell'attenzione, generano tipicamente punteggi di importanza delle caratteristiche acustiche o mappe termiche degli spettrogrammi. Gli autori sostengono che questi siano insufficienti per l'utilità clinica perché:

1. Sono locali e a livello di utterance, fallendo nel catturare la natura ordinale delle etichette di gravità (dove le categorie adiacenti rappresentano differenze incrementali piuttosto che classi nominali).
2. Si basano su descrittori acustici ingegnerizzati o regioni tempo-frequenza che sono difficili da tradurre per i clinici in costrutti percettivi (ad es., precisione delle consonanti, fiato eccessivo) utilizzati nel ragionamento clinico.

Metodologia
Il documento propone Dys-XAI, un framework di spiegabilità basato sull'influenza e a livello di istanza, che sposta la prospettiva della spiegazione dalle caratteristiche acustiche alle istanze di addestramento. Invece di chiedere quali caratteristiche fossero importanti, il framework chiede quali campioni di addestramento abbiano esercitato un'influenza di supporto o di opposizione su una specifica predizione.

• Formulazione del compito: Il compito è definito come una classificazione ordinale a 4 classi (Tipica, Lieve, Moderata, Grave) utilizzando il dataset TORGO.
• Computazione dell'influenza a livello di istanza: Gli autori impiegano un metodo di stima dell'influenza basato sul gradiente. Tracciando i checkpoint $\{\theta_1, \dots, \theta_M\}$ salvati durante l'addestramento, calcolano l'influenza di un campione di addestramento $x_i$ su un campione di test $x_t$ come il prodotto interno cumulativo dei loro gradienti:
  $$I_{i \to t} = \sum_{m=1}^{M} \nabla_\theta \ell(f_{\theta_m}(x_t), y_t)^\top \nabla_\theta \ell(f_{\theta_m}(x_i), y_i)$$
  Un prodotto interno positivo indica un'influenza di supporto (l'addestramento su $x_i$ riduce la perdita su $x_t$), mentre un prodotto negativo indica un'influenza contrastante.
• Strategie di aggregazione:
  1. Aggregazione a livello di classe: I punteggi di influenza sono aggregati per le etichette di gravità reali dei campioni di test per quantificare i contributi di supporto rispetto a quelli competitivi attraverso la scala ordinale. Questo produce una matrice di influenza $4 \times 4$ ($S_{c \leftarrow c'}$) che mostra come i campioni di addestramento di gravità $c'$ influenzino le predizioni per la gravità $c$.
  2. Sensibilità ordinale del modello: L'influenza è aggregata per distanza ordinale ($d = |c - c'|$) per valutare se il modello rispetti la struttura ordinale (ovvero, se l'influenza decresca all'aumentare della distanza tra i livelli di gravità).
• Validazione: Il framework è validato tramite esperimenti di cancellazione controllata. Gli autori rimuovono selettivamente campioni di addestramento ad alta influenza o a bassa influenza (5–20%) e riaddestrano il modello per osservare spostamenti sistematici nelle predizioni.

Risultati Chiave

• Validazione dei punteggi di influenza: Gli esperimenti di cancellazione controllata hanno confermato la fedeltà dei punteggi di influenza.
  • Rimozione di alta influenza: La rimozione del top 20% dei campioni altamente influenti ha causato un grave degrado delle prestazioni (ad es., l'accuratezza per la gravità Moderata è scesa dal 36,8% allo 0,3%; la Grave dal 72,3% al 43,1%).
  • Rimozione di bassa influenza: La rimozione del bottom 20% dei campioni (bassa influenza) ha migliorato le prestazioni, in particolare per le classi ambigue (l'accuratezza per la classe Lieve è triplicata dal 5,5% al 17,6%), suggerendo che questi campioni contenessero rumore o dati erroneamente etichettati.
• Pattern di influenza cross-gravità: La matrice di influenza a livello di classe ha rivelato una struttura a due livelli:
  • Distinzione binaria: Il parlato tipico è isolato; riceve influenza positiva solo da altri campioni tipici e influenza negativa da tutti i livelli di disartria.
  • Gradazione ordinale: I livelli di disartria (Lieve, Moderata, Grave) mostrano un'influenza positiva reciproca, indicando che il modello riconosce caratteristiche acustiche condivise attraverso il continuum della disartria.
• Sensibilità ordinale: L'influenza media $\bar{S}(d)$ è diminuita monotonicamente con la distanza ordinale ($d$). L'influenza dello stesso livello era 13 volte più forte dell'influenza del livello adiacente, e l'influenza è diventata negativa per livelli distanti ($d \ge 2$), confermando che il modello codifica la gravità come un continuum ordinato piuttosto che come categorie nominali.
• Caso di studio e auditing del dataset: In un confronto qualitativo, il metodo proposto ha fornito riferimenti audio classificati, mentre SHAP ha fornito punteggi di descrittori acustici interpretabili. In particolare, la classificazione dell'influenza ha identificato che le registrazioni "quasi silenziose" di speaker gravi erano tra i campioni più influenti per le predizioni di gravità; ciò ha rivelato un'associazione spuria appresa dal modello (silenzio $\to$ grave), dimostrando l'utilità del framework per l'auditing del dataset.

Significatività e Rivendicazioni
Il documento afferma che Dys-XAI fornisce spiegazioni auditabili collegando le decisioni del modello a casi di riferimento percepibili (registrazioni audio) piuttosto che ad astratti punteggi di caratteristiche. Ciò si allinea al ragionamento clinico, dove i giudizi sono spesso giustificati per confronto con esempi prototipici.

Gli autori sottolineano che questo approccio:

1. Gestisce esplicitamente l'ordinalità: Aggregando l'influenza per etichetta di gravità, il framework espone le evidenze relazionali tra livelli di gravità adiacenti e distanti.
2. Permette la verifica percettiva: I clinici possono ascoltare direttamente i campioni di addestramento di supporto e competitivi per verificare se la decisione del modello si allinea ai marcatori clinici.
3. Identifica problemi nei dati: Il framework funge da strumento per l'auditing del dataset, capace di far emergere correlazioni spurie (ad es., il silenzio associato alla gravità) che i metodi basati sulle caratteristiche potrebbero mancare.

Il lavoro è presentato come un passo verso il superamento del divario tra i modelli di deep learning ad alte prestazioni e la trasparenza richiesta per l'implementazione clinica nella valutazione della disartria.