多语言多模态机器学习区分双语者nfvPPA与lvPPA（预印本）

medRxiv 预印本 · 2026-10-02 · 预印本

• 一句话结论：结论：材料提示基于连贯言语的多语言多模态机器学习可较准确区分加泰罗尼亚语-西班牙语双语者的nfvPPA与lvPPA，且优势语言与非优势语言间表现无显著差异，但为预印本，尚不足以下结论。
• 研究设计与做法：设计与做法：34例加泰罗尼亚语-西班牙语同时性双语患者（lvPPA 24例，nfvPPA 10例）用Western Aphasia Battery野餐图分别以优势与非优势语言描述，提取四类特征集并训练分类器，再构建集成模型，用McNemar检验比较两种语言表现。
• 主要结果：主要结果：最佳分类器F1宏平均在非优势语言为93%（词级参数），优势语言为92%（集成模型）；所有特征集与集成模型在两种语言间分类表现无显著差异，集成建模亦未显著提升表现。具体p值材料未报告。
• 机制或解释：机制或解释：作者认为言语计时、词级参数、语言学特征与图像-文本一致性等特征可捕捉nfvPPA与lvPPA背后不同的神经认知机制，从而实现自动化区分。
• 局限与边界：局限与边界：样本量小且亚型不平衡（nfv仅10例），为单中心双语人群，随访与纵向信息材料未报告，利益冲突材料未报告；结论外推至其他语言与单语人群需谨慎。
• 可否落地：可否落地：作为1-2分钟、生态效度较高的辅助分型工具具有提示价值，但证据档位为「提示」，不足以替代现有认知-语言评估；需更大且亚型均衡的数据集验证。

🔗 打开原文

Pugalenthi, L. S., Collins, A. P., Colomer, N. M. 等

本文摘自《每日前沿研究简报 · 2026-10-04》「医学与健康」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。