MIRA-Net：基于跨队列表征学习融合语音与β频段MEG生物标志物用于帕金森病分类

事件概述

相关报道显示，研究提出跨队列表征学习框架MIRA-Net，将4个UCI语音数据集（n=193）的声学特征与NatMEG-PD数据集（n=127）的β频段MEG生物标志物进行整合，在缺乏个体层面配对多模态数据的情况下进行帕金森病分类。在Rest/Go/Passive条件评估中，该方法最高准确率86.23%（Go条件，Stacking分类器），AUC>0.88，敏感度89.4%、特异度83.1%，且不同融合策略差异具有统计学意义（Friedman检验p<。

这类研究的意义不只在于提出新的疾病认识，也在于为早筛、分层诊疗和随访管理提供更具体的检测依据。

产业观察

前沿医学研究会持续推动检测技术、临床分层和疾病管理方式的变化。

文章来源

https://www.medrxiv.org/content/10.64898/2026.07.03.26357258v1