arXiv:2608.25846v2 eess.AS

기계학습 기반 기침 모델이 일반화되지 않는 이유: 결핵 선별을 위한 체계적인 교차 데이터셋 평가

Why ML-based cough models do not generalize: a systematic cross-dataset evaluation for tuberculosis screening

Wensi Zhang, Tomas Teijeiro, J\'er\^ome Thevenot, David Atienza

제출 2026-08-26

한국어 초록

기침 음향은 비침습적 결핵(TB) 선별에 유망하지만, 기계학습(ML) 모델이 질병 관련 음향을 포착하는지 아니면 데이터 수집 과정의 인공물을 포착하는지는 아직 해결되지 않았다. 본 연구는 세 개의 독립적인 데이터셋에 걸쳐 고전적 ML 및 딥러닝(DL) 기반 기침 TB 분류기의 데이터셋 간 일반화 성능을 평가하였다. 데이터셋 내부 성능은 중간 수준(ROC-AUC 최대 $0.76 \pm 0.06$)이었음에도 두 파이프라인 모두 일반화에 실패했으며, 외부 성능은 자주 0.6 미만이었고 이는 데이터 자체의 한계 가능성을 시사한다. 또한 오디오 표현이 TB 여부가 아니라 녹음 장치와 데이터셋에 따라 구조화되어 있고, 예측된 TB 확률이 CODA에서 국가 수준의 유병률을 따라가며, 장치 불일치는 전이 성능을 저하시키는 반면 장치가 다양한 학습은 이를 개선함을 관찰하였다. 아울러 임상 변수 기반 기준 모델은 더 일관되게 일반화되었으며(ROC-AUC $0.65-0.71$), 이는 음향의 수집 환경별 변동성이 낮은 일반화의 더 강력한 요인임을 나타낸다. 높은 데이터셋 내부 성능만으로는 충분하지 않다. 기침 기반 TB 모델이 임상적으로 준비되기 위해서는 외부 검증이 필수적이다.

원문 초록

Cough acoustics are promising for non-invasive tuberculosis (TB) screening, yet whether machine learning (ML) models capture disease-related acoustics or artifacts of data collection remains unresolved. We evaluated the cross-dataset generalizability of classical ML and deep learning (DL) cough-based TB classifiers across three independent datasets. Despite moderate within-dataset performance (ROC-AUC up to $0.76 \pm 0.06$), both pipelines fail to generalize, with external performance frequently below 0.6, indicating a possible limitation of the data. We further observed that audio representations are organized by recording device and dataset rather than TB status, predicted TB probability tracks country-level prevalence in CODA, and device mismatch degrades transfer while device-diverse training improves it. Additionally, a clinical-variable baseline generalizes more consistently (ROC-AUC $0.65-0.71$), indicating acquisition-specific variability in acoustics is a stronger driver of poor generalizability. High within-dataset performance is not enough. External validation is essential before cough-based TB models are clinically ready.

제출 이력

확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.

  1. arXiv:2608.25846v2제출 시각 미확인
  2. arXiv:2608.25846v1제출 시각 미확인

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

공통 태그로 연결된 공개 논문이 아직 없습니다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.