🤖 machine learning

A Concept-based approach to Voice Disorder Detection

Dit artikel stelt een conceptgebaseerde Explainable AI-benadering voor met behulp van Concept Bottleneck Models en Concept Embedding Models om stemstoornissen te detecteren met prestaties die vergelijkbaar zijn met traditionele deep learning-methoden, terwijl het transparante, interpreteerbare besluitvorming biedt voor klinisch vertrouwen.

Oorspronkelijke auteurs: Davide Ghia, Gabriele Ciravegna, Alkis Koudounas, Marco Fantini, Erika Crosetti, Giovanni Succo, Tania Cerquitelli

Gepubliceerd 2026-06-08

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Davide Ghia, Gabriele Ciravegna, Alkis Koudounas, Marco Fantini, Erika Crosetti, Giovanni Succo, Tania Cerquitelli

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een zeer slimme, supersnelle robotarts hebt. Deze robot kan naar de stem van een persoon luisteren en je direct vertellen of diegene een stemstoornis heeft (zoals een hese of gespannen stem) of dat de stem gezond is.

Het probleem met deze robot, zoals beschreven in het artikel, is dat het een "black box" is. Het geeft je een diagnose, maar het kan niet uitleggen waarom. Het is als een glazen bol die simpelweg "Ja" of "Nee" zegt zonder de logica te tonen. In de gezondheidszorg moeten artsen en patiënten weten waarom een beslissing is genomen om er echt op te kunnen vertrouwen.

Dit artikel introduceert een nieuwe manier om deze robot te bouwen, zodat hij meer werkt als een menselijke expert die zijn redenering kan uitleggen. Dit is hoe ze het hebben aangepakt, met behulp van eenvoudige analogieën:

1. De "Vertaler"-robot (De LLM)

Eerst moesten de onderzoekers de robot leren waar hij op moest letten. Ze hadden duizenden patiëntendossiers die door echte artsen waren geschreven (anamnese). Deze dossiers waren rommelig, zoals handgeschreven aantekeningen in een dagboek, en niet georganiseerd als data.

Om dit op te lossen, gebruikten ze een "Vertaler-robot" (een Large Language Model, of LLM). Denk aan deze vertaler als een supergeorganiseerde secretaresse. Je geeft haar een rommelige aantekking van een arts, en zij haalt specifieke, duidelijke feiten uit de tekst om een checklist te maken.

De Checklist: In plaats van alleen te zeggen "ziek", haalt de vertaler specifieke kenmerken naar voren zoals: Is de stem ruw? Is er sprake van spanning? Is de patiënt een roker? Wordt de stem professioneel gebruikt?
Het Resultaat: Ze hebben 14 verschillende medische ideeën omgezet in een schone lijst van 9 specifieke "concepten" die de robot kan begrijpen (zoals "Ruwheid: Ja" of "Spanning: Nee").

2. Twee Nieuwe Robotontwerpen

De onderzoekers bouwden twee nieuwe soorten robots die deze checklist gebruiken. Ze noemen dit Concept-gebaseerde Modellen.

De "Bottleneck"-robot (CBM):
Stel je een lopende band in een fabriek voor.

Input: De robot luistert naar de stem.
De Bottleneck (Flessehals): Voordat de robot een definitieve beslissing kan nemen, moet hij stoppen en een formulier invullen. Hij moet antwoord geven op: "Is er ruwheid? Ja/Nee. Is er spanning? Ja/Nee."
Output: Pas nadat het formulier is ingevuld, neemt de robot een uiteindelijke diagnose.

Waarom dit cool is: Je kunt het formulier zien! Als de robot zegt "Pathologisch", kun je naar het formulier kijken en zien: "Ah, hij zei 'Ja' bij ruwheid en 'Ja' bij spanning." Je weet precies waarom hij die conclusie trok.
De "Embedding"-robot (CEM):
Dit is een iets geavanceerdere versie van de fabriek. In plaats van alleen vakjes aan te kruisen, maakt deze robot een unieke "vingerafdruk" voor elk concept (zoals een digitale identiteitskaart voor "Ruwheid"). Het mengt deze vingerafdrukken samen om de uiteindelijke beslissing te nemen. Het is iets complexer, maar het houdt de logica nog steeds transparant.

3. De Grote Test: Werkt het?

De onderzoekers hebben deze nieuwe robots getest tegenover de oude "Black Box"-robot (een standaard Deep Neural Network).

De Oude Robot: Zeer nauwkeurig, maar je kon hem niet vragen "Waarom?".
De Nieuwe Robots: Ze waren bijna net zo nauwkeurig als de oude robot (ze haalden ongeveer 87-88% nauwkeurigheid vergeleken met de 91% van de oude).
De Winst: De nieuwe robots konden zichzelf uitleggen. Als de robot een stem als verstoord markeerde, kon hij wijzen naar de specifieke "concepten" die hij vond, zoals: "De stem is hees en heeft een glottische opening."

4. Het "Ideale" Scenario

De onderzoekers stelden zich ook een "Perfecte Robot" voor (de Ideale CBM). Deze robot hoefde de concepten niet te raden; hij kreeg een perfecte checklist voorgelegd door een mens. Zelfs met deze perfecte hulp presteerden de nieuwe robots zeer dicht bij de top. Dit bewees dat de gekozen concepten (zoals ruwheid, spanning, heesheid) daadwerkelijk de juiste zaken zijn om naar te kijken bij het diagnosticeren van stemproblemen.

Samenvatting

Kortom, dit artikel zegt: "Wij hebben een stem-diagnostiserende AI gebouwd die niet zomaar gokt, maar denkt in termen van menselijk begrijpelijke ideeën zoals 'ruwheid' of 'spanning'."

Oude manier: "De stem is ziek." (Geen uitleg).
Nieuwe manier: "De stem is ziek omdat deze ruw, gespannen en hees is." (Duidelijke uitleg).

Het artikel concludeert dat deze methode een enorme stap voorwaarts is, omdat het AI betrouwbaar maakt voor artsen, waardoor zij de "waarom" achter de diagnose kunnen zien zonder al te veel nauwkeurigheid op te offeren. Ze suggereren ook dat dit systeem in de toekomst een volledig rapport voor de arts zou kunnen schrijven, maar voor nu hebben ze alleen bewezen dat het werkt als een transparant diagnostisch hulpmiddel.

Technische Samenvatting: Een Conceptgebaseerde Benadering voor de Detectie van Stemstoornissen

Probleemstelling

Stemstoornissen treffen een aanzienlijk deel van de bevolking, maar huidige diagnostische methoden vertrouwen vaak op invasieve klinische procedures. Hoewel recente Deep Neural Networks (DNN's), met name die gebaseerd op Transformer-architecturen, veelbelovende prestaties hebben getoond bij het classificeren van pathologische versus eufone stemmen middels niet-invasieve audio-analyse, lijden ze aan een kritieke beperking: opaciteit. Deze modellen werken als "black boxes", waarbij ze outputs leveren zonder het besluitvormingsproces uit te leggen. In de gevoelige context van de gezondheidszorg roept dit gebrek aan interpreteerbaarheid ethische en juridische zorgen op, wat de betrouwbaarheid en klinische adoptie van AI-gestuurde diagnostiek belemmert. Het artikel adresseert de behoefte aan een diagnostisch hulpmiddel dat een hoge voorspellende prestatie behoudt terwijl het een transparant, interpreteerbaar beslissingskader biedt.

Methodologie

De auteurs stellen een conceptgebaseerde benadering voor met behulp van Explainable AI (XAI), waarbij specifiek wordt gefocust op Concept Bottleneck Models (CBM) en Concept Embedding Models (CEM). De methodologie omvat een proces van twee fasen:

1. Conceptannotatie via Large Language Models (LLMs)

Aangezien de doeldataset (Italian Pathological Voice - IPV) ongestructureerde tekstuele anamnese (medische geschiedenis) bevat in plaats van vooraf gelabelde concepten, hebben de auteurs een pijplijn ontwikkeld om 14 kandidaat-concepten uit deze teksten te extraheren.

Extractie: Zij maakten gebruik van een LLM (specifiek Gemini-pro, geselecteerd na vergelijkende tests met Mistral 7B) om de anamnese te parsen en een gestructureerd JSON-object te genereren met conceptwaarden.
Conceptdefinitie: De initiële set bevatte 14 concepten (bijv. roken, professioneel stemgebruik, dysfonie-ernst, onregelmatige slijmvliesgolf, ruwheid, heesheid).
Verfijning: Door overleg met medische experts werd de set verfijnd. Concepten die invasieve fysieke onderzoeken vereisten (bijv. specifieke kleuren van het slijmvlies) werden uitgesloten. Andere werden samengevoegd (bijv. "licht-matige dysfonie" werd samengevoegd met "matig"). De definitieve set bestaat uit 9 voorspelbare concepten (afgeleid van de audio/anamnese via het model) en 5 door de patiënt verstrekte concepten (bijv. geslacht, rookstatus). De voorspelbare concepten komen grotendeels overeen met de GRBAS-schaal (Grade, Roughness, Asthenia, Strain).
Codering: Multi-class concepten (bijv. ernst van dysfonie) werden one-hot gecodeerd, wat resulteerde in een totaal van 20 conceptdimensies vóór de definitieve selectie.

2. Modelarchitectuur

Het voorgestelde framework maakt gebruik van HuBERT, een vooraf getrainde audio-Transformer, als feature extractor om audio-embeddings te genereren. Twee architecturen worden geïmplementeerd:

Concept Bottleneck Model (CBM): De audio-embeddings worden door een classificatiekop geleid om de binaire waarden van de 9 concepten te voorspellen (de "bottleneck"). Deze voorspelde concepten worden geconcateneerd met de 5 door de patiënt verstrekte concepten. Een tweede classifier brengt vervolgens deze gecombineerde conceptvector in kaart naar de uiteindelijke binaire diagnose (pathologisch versus eufoon). Cruciaal is dat de uiteindelijke classifier geen toegang heeft tot het ruwe audiosignaal, maar uitsluitend vertrouwt op de concepten.
Concept Embedding Model (CEM): Vergelijkbaar met CBM, maar in plaats van binaire logits te voorspellen, leert de bottleneck-laag twee onderscheidende embeddings voor elk concept (actieve en inactieve staten). De uiteindelijke voorspelling is een gewogen combinatie van deze embeddings op basis van de voorspelde waarschijnlijkheid dat het concept actief is.

3. Trainingsstrategie

De modellen worden getraind met een gezamenlijke loss-functie die zowel de concept loss (nauwkeurigheid van het voorspellen van de intermediaire concepten) als de task loss (nauwkeurigheid van de uiteindelijke diagnose) minimaliseert. Een hyperparameter $\lambda$ balanceert deze losses. De auteurs hanteerden een warm-up strategie, waarbij de task loss gedurende de eerste twee epochs werd bevroren om prioriteit te geven aan het leren van robuuste conceptrepresentaties voordat er wordt geoptimaliseerd voor de uiteindelijke classificatie.

Belangrijkste Bijdragen

Toepassing van Concept-gebaseerde XAI op Stemstoornissen: Dit is het eerste werk dat CBM- en CEM-architecturen specifiek toepast op de detectie van stempathologieën, waarmee zij verder gaat dan standaard end-to-end black-box benaderingen.
Geautomatiseerde Conceptextractie-pijplijn: Het artikel demonstreert een nieuwe workflow waarbij LLM's worden gebruikt om hoog-niveau medische concepten uit ongestructureerde klinische tekst (anamnese) te extraheren om als ground truth te dienen voor het trainen van concept-gebaseerde modellen.
Interpreteerbaarheid zonder Prestatieverlies: De studie valideert dat concept-gebaseerde modellen een prestatieniveau kunnen bereiken dat vergelijkbaar is met state-of-the-art end-to-end Transformers, terwijl ze expliciete rechtvaardigingen bieden voor hun voorspellingen in termen van klinisch relevante kenmerken (bijv. "dysfonie", "ruwheid").

Resultaten

Experimenten werden uitgevoerd op de Italian Pathological Voice (IPV) dataset, bestaande uit 513 patiënten (170 eufoon, 340 dysfoon), waarvan 385 gevallen een geschreven anamnese bevatten. De studie maakte gebruik van 10-voudige cross-validatie.

Conceptannotatie: Het Gemini-pro model bereikte een conceptnauwkeurigheid van 98,65% en een macro F1-score van 98,10% op een handmatig geannoteerde validatieset, waarmee het Mistral 7B versloeg.
Detectie van Stemstoornissen:
- Baseline: Een standaard end-to-end HuBERT-model met een 2-laagse classificatiekop bereikte een Task Accuracy van 91,33% en een F1-score van 0,9085.
- Concept-gebaseerde Modellen:
  - CBM: Bereikte een Task Accuracy van 87,76% en een F1 van 0,8566, met een conceptnauwkeurigheid van 84,43%.
  - CEM: Bereikte een Task Accuracy van 87,30% en een F1 van 0,8599, met een conceptnauwkeurigheid van 84,50%.
- Ideale CBM: Wanneer voorzien van ground-truth conceptlabels (simulatie van perfecte conceptextractie), bereikte de CBM een nauwkeurigheid van 90,52%, waarmee het bijna de end-to-end baseline evenaart.

De resultaten wijzen uit dat de daling in prestaties voor de werkelijke concept-gebaseerde modellen primair te wijten is aan de imperfecte aard van de door LLM gegenereerde conceptannotaties (ongeveer 84,5% nauwkeurigheid), en niet aan een fundamentele beperking van de architectuur. De modellen slaagden erin om concepten zoals "dysfonie", "heesheid" en "ruwheid" te gebruiken om de uiteindelijke diagnose te rechtvaardigen.

Betekenis en Claims

Het artikel claimt dat concept-gebaseerde modellen een belangrijke stap voorwaarts vertegenwoordigen in het transparant en betrouwbaar maken van AI in de gezondheidszorg. Door de uiteindelijke diagnose expliciet te koppelen aan intermediaire, menselijk begrijpelijke concepten (zoals de parameters van de GRBAS-schaal), stellen deze modellen clinici in staat om de redenering achter een voorspelling te verifiëren. De auteurs stellen dat hoewel de end-to-end benadering iets nauwkeuriger blijft, de concept-gebaseerde benadering een "competitief" prestatieniveau biedt met het duidelijke voordeel van interpreteerbaarheid, wat menselijke experts in staat stelt om te interveniëren of contrafeitelijke voorspellingen af te leiden. De auteurs blijven bescheiden en erkennen dat het huidige prestatiekloof grotendeels toe te schrijven is aan de kwaliteit van de geautomatiseerde conceptannotaties en dat toekomstig werk het systeem verder kan verbeteren door de integratie van aanhoudende klinkers en generatieve rapportage-instrumenten.