ナラスペース (NarraSpace) は2026年10月20日(現地時間)、画像描写を用いた認知症分類において、マルチモーダルな場面に基づく証拠を活用する手法を発表した。これは、単一の書き起こしレベルでの予測だけでは識別できなかった場面の証拠を特定するもので、言葉と発話時間を画像要素に結びつけ、定義済み場面イベントの発話を取得する。アルツハイマー型認知症認識スピーチベンチマークの48人参加テストセットで、サポートベクター分類器は平均精度80.88%を達成した。
ナラスペースは、言葉と発話時間を命名された画像要素にリンクさせ、事前に定義された場面イベントに対する発話を取得する。叙述的・空間的記述子を用いて、カバー範囲と時間的組織を要約する。凍結された言語モデルが、アルツハイマー病 (Alzheimer’s disease) 患者と健常対照参加者の訓練例の下で、各イベントのテキストを、書き起こしにおける驚き度とカバー範囲の測定値とともに比較する。保持されたソース記録は、イベントスコアをそのソース発話、発話間隔、および語彙の一致にリンクする。
アルツハイマー型認知症認識スピーチベンチマーク (Alzheimer’s Dementia Recognition through Spontaneous Speech benchmark) の公式48人参加テストセットにおいて、固定サポートベクター分類器 (support vector classifier) が50回の試行で平均精度80.88%±2.56%を達成した。平均化された確率では81.25%の精度と、受信者動作特性曲線下面積91.32%を記録した。
ナラスペースは、イベントにインデックス付けされた言語モデルの測定値を、そのソース発話、発話タイミング、抽出記録に接続することで、場面にリンクした分類入力の構築を明示的かつ検査可能にする。このようなソースにリンクした測定値は、元の発話証拠と定量的な要約を並べて提示することで、画像描写の臨床医によるレビューを支援する可能性がある。
参考: arXiv cs.CL — 2026年10月21日 02:55 (JST)
原文ハイライト"NarraSpace makes the construction of scene-linked classification inputs explicit and inspectable"