Исследователи предлагают многоэтапную систему объяснимости, которая преобразует предсказания «черного ящика» трансформеров в клинически обоснованные нарративы для выявления когнитивных нарушений по речи. Система объединяет токеновую атрибуцию на основе SHAP, лингвистические признаки и конвейер рассуждений LLM для сопоставления выходов модели с конкретными когнитивно-лингвистическими измерениями.

  • Построена на мультимодельной модели скрининга SpeechCARE-Adaptive Gating Network со значением F1 72,11% на бенчмарке NIA PREPARE.
  • Использует четырехэтапный конвейер рассуждений LLM на базе LLaMA-3.1-70B-Instruct для генерации клинических нарративов.
  • Сопоставляет предсказания с четырьмя когнитивно-лингвистическими измерениями, включая лексическое богатство, синтаксическую сложность и семантическую связность.
  • Оценка врачами 70 стратифицированных англоязычных образцов показала сильное соответствие профилям когнитивных состояний на уровне пациентов.
  • Достигнут балл System Usability Scale 82/100, что указывает на высокий потенциал интеграции в клинический рабочий процесс.