Studio rileva che i modelli audio-linguistici non utilizzano il contesto clinico per il riconoscimento del linguaggio disartrico

Un nuovo studio pubblicato su arXiv (2605.02782) rivela che gli attuali modelli audio-linguistici non sfruttano efficacemente il contesto clinico multimodale per migliorare il riconoscimento automatico del parlato (ASR) per il linguaggio disartrico. I ricercatori hanno introdotto un benchmark utilizzando il dataset Speech Accessibility Project (SAP), testando se etichette diagnostiche, valutazioni del parlato derivate da clinici e descrizioni cliniche dettagliate migliorano l'accuratezza della trascrizione. Su nove modelli, hanno scoperto che i prompt basati sulla diagnosi e quelli clinicamente dettagliati hanno prodotto miglioramenti trascurabili e spesso hanno peggiorato il tasso di errore delle parole. Lo studio ha anche esplorato il fine-tuning dipendente dal contesto con adattamento LoRA utilizzando una miscela di formati di prompt clinici, ottenendo una riduzione del tasso di errore delle parole. I risultati evidenziano la fragilità dei sistemi ASR per il parlato atipico e la necessità di una migliore integrazione del contesto clinico.