Inverse Reinforcement Learning for Interpretable Keystroke Biomarkers in Parkinson's Disease
作者: Navin Bondade
分类: cs.LG
发布日期: 2026-06-24
备注: 7 pages, 1 figure
💡 一句话要点
应用逆强化学习提取帕金森病的可解释击键生物标志
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)
关键词: 逆强化学习 击键动态 帕金森病 生物标志 可解释性 医疗监测 数据分析
📋 核心要点
- 现有方法主要依赖统计特征和分类器，难以解释个体的击键行为，且准确性在不同研究中差异较大。
- 本文提出通过逆强化学习建模击键动态，恢复可解释的奖励函数，以更好地理解打字行为背后的动机。
- 实验结果表明，恢复的速度偏好权重与UPDRS-III严重性显著相关，且在不同子群体中具有稳定性，提升了模型的解释能力。
📝 摘要（中文）
击键动态被广泛研究作为帕金森病（PD）的被动数字生物标志，通常通过提取打字时序的统计特征并训练分类器来区分PD患者与健康对照。本文首次将逆强化学习（IRL）应用于击键数据，将每次击键建模为对打字速度的离散选择，并为每个受试者恢复可解释的奖励函数，以解释其观察到的时序行为。在公共的neuroQWERTY MIT-CSXPD数据集上，初步的四参数奖励分解发现两个参数之间存在严重的特征共线性，经过诊断和修正后，得到了可识别的三参数模型。恢复的速度偏好权重与UPDRS-III严重性相关，且在多个敏感性配置中保持稳定，显示出超越原始打字速度的统计显著性。
🔬 方法详解
问题定义：本文旨在解决现有击键动态分析方法的不足，特别是缺乏对个体行为的可解释性和准确性。现有方法通常依赖于统计特征，难以深入理解打字行为的内在动机。
核心思路：论文的核心思路是将逆强化学习应用于击键数据，通过建模每次击键为对打字速度的离散选择，恢复个体的奖励函数，从而解释其击键行为。这样的设计使得模型不仅能够区分PD患者与健康个体，还能提供可解释的行为动机。
技术框架：整体架构包括数据预处理、逆强化学习模型的构建和奖励函数的恢复。主要模块包括数据收集、特征提取、模型训练和结果分析。
关键创新：本研究的关键创新在于首次将逆强化学习应用于击键动态分析，提供了一种新的视角来理解个体的打字行为，与传统的统计方法形成鲜明对比。
关键设计：在模型设计中，采用了四参数奖励分解，经过特征共线性诊断后优化为三参数模型，确保了模型的可识别性和稳定性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，恢复的速度偏好权重与UPDRS-III严重性相关系数为-0.607，且在多个子群体中重复验证，模型的统计显著性提升了从0.194到0.338，p值小于0.006，表明该方法在解释个体行为方面具有显著优势。
🎯 应用场景
该研究的潜在应用领域包括医疗健康监测、个性化治疗方案制定以及帕金森病的早期诊断。通过分析击键动态，医生可以更好地理解患者的病情变化，从而提供更为精准的干预措施。未来，该方法有望推广至其他神经系统疾病的监测与分析。
📄 摘要（原文）
Keystroke dynamics have been explored extensively as a passive digital biomarker for Parkinson's disease (PD), typically by extracting summary statistics from typing timing and training a classifier to discriminate PD from healthy controls. We instead apply inverse reinforcement learning (IRL) to keystroke data, modeling each keystroke as a discrete choice over typing speed and recovering, per subject, an interpretable reward function that explains their observed timing behavior. To our knowledge this is the first application of IRL to keystroke dynamics. On the public neuroQWERTY MIT-CSXPD dataset (85 subjects, 42 with PD), an initial four-parameter reward decomposition (speed, effort, smoothness, hand-alternation cost) was found to suffer severe feature collinearity between two terms ($r=1.000$ in typical contexts); we diagnose and correct this, yielding an identifiable three-parameter model. The recovered speed-preference weight correlates with UPDRS-III severity at $r=-0.607$ ($p<0.001$, $n=42$), replicates independently across two sub-cohorts, is stable across nine sensitivity configurations, and retains a statistically significant contribution beyond raw typing speed alone (incremental $R^2$ from 0.194 to 0.338, $p=0.006$). Two other recovered weights (consistency, hand-alternation) did not survive confound checks and are reported as negative results. We document two implementation bugs found during adversarial code review (session-boundary contamination, a rolling-window data leakage) and show the headline result is materially unchanged after fixing both. We discuss this result in the context of a literature where reported accuracies vary widely between studies (pooled AUC 0.85, I^2=94% in a 2022 meta-analysis), and argue that the validation process itself, not only the correlation coefficient, is part of the contribution.