SGC-RML：面向真实世界DNS中帕金森病的可靠且可解释的纵向评估
摘要
真实世界的数字帕金森病（PD）评估面临多模态异构性、跨设备偏差和标签不完整等挑战。现有方法常关注平均预测性能，缺乏面向可靠性的机制——即确定模型何时可靠、何时应拒绝评估、何时应重检、以及预测基于哪些症状维度。本文提出SGC-RML，将speech、gait、wearable motion、mobility tasks和clinical variables映射到共享的8维症状节点空间（7个临床症状节点和1个可靠性_state辅助节点），通过症状图谱统一运动和非运动表征。通过联合引入不确定性估计、共轭校准和选择性决策路由，该模型不仅能预测症状及其严重程度，还能在证据不足时拒绝评估或建议复检。我们在五个真实世界PD数据集上进行验证，涵盖分类、回归、事件检测和纵向严重程度预测。实验表明，SGC-RML在PPMI上实现4.579的平均绝对误差（MAE）和0.772的R²，在mPower上实现0.953的AUC，在PADS上实现0.825的AUC。在无漏洞的时间锚定下，仅需5个subject-specific锚点即可将UCI从一个基本非预测性的subject-independent设置（motor MAE 8.38, CCC 0.02）转化为覆盖率达0.80目标的校准纵向评估（motor MAE 3.24, CCC 0.756）。在Daphnet LOSO协议下，实现0.803的F1分数和0.872的AUC。这些结果表明，SGC-RML为在不完整多模态条件下的帕金森病纵向评估提供了统一范式，实现了准确、校准、可审计且症状可解释的回顾性评估。
引用
@article{arxiv.2605.08302,
title = {SGC-RML: A reliable and interpretable longitudinal assessment for PD in real-world DNS},
author = {Wenbin Wei and Ruixiang Gao and Suyuan Yao and Xuanzhen Zhao and Cheng Huang and Hen-Wei Huang},
journal= {arXiv preprint arXiv:2605.08302},
year = {2026}
}
备注
Preprint. The first five authors contributed equally. Corresponding author: Hen-Wei Huang. 9 pages main text + appendix; 4 figures, 5 tables in main text