آیا صدای شما می تواند سلامت قلب شما را نشان دهد؟ الگوریتم رایانه ای از ضبط صدا برای پیش بینی بیماری عروق کرونر و رویدادهای مرتبط استفاده می کند —

محققان دریافتند افرادی که امتیاز بیومارکر صوتی بالایی دارند، 2.6 برابر بیشتر در معرض مشکلات عمده مرتبط با بیماری عروق کرونر (CAD)، تجمع پلاک در عروق قلب و سه برابر بیشتر احتمال دارد که شواهدی از تجمع پلاک در پزشکی نشان دهند. در مقایسه با کسانی که نمره پایینی داشتند. در حالی که این فناوری هنوز برای استفاده در کلینیک آماده نیست، تظاهرات نشان می دهد که تجزیه و تحلیل صدا می تواند ابزار غربالگری قدرتمندی در شناسایی بیمارانی باشد که ممکن است از نظارت دقیق تر برای رویدادهای مرتبط با CAD بهره مند شوند. محققان گفتند این رویکرد می تواند به ویژه در ارائه مراقبت های بهداشتی از راه دور و سلامت از راه دور مفید باشد.

جاسکانوال دیپ سینگ سارا، پزشک متخصص قلب و عروق در کلینیک مایو و نویسنده اصلی این مطالعه گفت: «پزشکی از راه دور غیر تهاجمی، مقرون به صرفه و کارآمد است و در طول همه گیری همه گیر اهمیت فزاینده ای پیدا کرده است. “ما پیشنهاد نمی کنیم که فناوری تجزیه و تحلیل صدا جایگزین پزشکان شود یا روش های موجود ارائه خدمات بهداشتی را جایگزین کند، اما فکر می کنیم فرصت بزرگی برای فناوری صدا وجود دارد تا به عنوان مکملی برای استراتژی های موجود عمل کند. ارائه نمونه صدا بسیار شهودی و حتی یکپارچه است. برای بیماران لذت بخش است و می تواند به وسیله ای مقیاس پذیر برای بهبود مدیریت بیمار تبدیل شود.

این مطالعه نشان دهنده اولین باری است که از تجزیه و تحلیل صوتی برای پیش‌بینی نتایج CAD در بیمارانی استفاده شده است که پس از غربالگری اولیه به‌طور آینده نگر ردیابی شده‌اند. مطالعات قبلی به صورت گذشته نگر نشانگرهای صوتی مرتبط با CAD و نارسایی قلبی را بررسی کردند. سایر گروه های تحقیقاتی استفاده از فناوری مشابه را برای طیف وسیعی از اختلالات، از جمله بیماری پارکینسون، بیماری آلزایمر و COVID-19 مورد بررسی قرار داده اند.

برای مطالعه جدید، محققان 108 بیمار را انتخاب کردند که برای آنژیوگرافی کرونر، یک روش تصویربرداری اشعه ایکس که برای ارزیابی وضعیت شریان‌های قلب استفاده می‌شود، مراجعه کردند. از شرکت کنندگان خواسته شد تا سه نمونه صدای 30 ثانیه ای را با استفاده از برنامه تلفن هوشمند Vocalis Health ضبط کنند. برای نمونه اول، شرکت کنندگان از روی یک متن آماده شده مطالعه کردند. برای نمونه دوم، از آنها خواسته شد آزادانه در مورد یک تجربه مثبت صحبت کنند و برای نمونه سوم، آنها آزادانه در مورد یک تجربه منفی صحبت کردند.

سپس الگوریتم Vocalis Health نمونه‌های صدای شرکت‌کنندگان را تجزیه و تحلیل کرد. سیستم مبتنی بر هوش مصنوعی برای تجزیه و تحلیل بیش از 80 ویژگی ضبط صدا، مانند فرکانس، دامنه، زیر و بم و آهنگ، بر اساس مجموعه آموزشی از بیش از 10000 نمونه صدای جمع آوری شده در اسرائیل آموزش دیده بود. در مطالعات قبلی، محققان شش ویژگی را شناسایی کردند که ارتباط زیادی با CAD داشتند. برای مطالعه جدید، محققان این ویژگی ها را در یک نمره واحد ترکیب کردند که به صورت عددی بین -1 و 1 برای هر فرد بیان می شود. یک سوم بیماران به عنوان دارای امتیاز بالا و دو سوم دارای امتیاز پایین طبقه بندی شدند.

سارا گفت: “ما خودمان نمی توانیم این ویژگی های خاص را بشنویم.” این فناوری از یادگیری ماشینی برای تعیین کمیت چیزی استفاده می‌کند که برای ما با استفاده از مغز انسان و گوش انسان به راحتی قابل اندازه‌گیری نیست.»

شرکت کنندگان در مطالعه به مدت دو سال پیگیری شدند. از بین افرادی که امتیاز بیومارکر صوتی بالایی داشتند، 58.3 درصد به دلیل درد قفسه سینه یا سندرم حاد کرونری (نوعی مشکل عمده قلبی شامل حملات قلبی)، نقطه پایانی اولیه ترکیبی مطالعه، به بیمارستان مراجعه کردند، در مقایسه با 30.6 درصد از افراد دارای نشانگر پایین. امتیاز نشانگر زیستی صدا شرکت‌کنندگانی که امتیاز بیومارکر صوتی بالایی داشتند، در طی آنژیوگرام بعدی (نقطه پایانی ثانویه مرکب) تست استرس مثبت یا CAD تشخیص داده شدند.

دانشمندان به این نتیجه نرسیده‌اند که چرا به نظر می‌رسد برخی از ویژگی‌های صوتی نشان‌دهنده CAD هستند، اما سارا گفت که سیستم عصبی خودمختار ممکن است نقشی داشته باشد. این بخش از سیستم عصبی عملکردهای بدن را که تحت کنترل آگاهانه نیستند، تنظیم می کند، که شامل جعبه صدا و بسیاری از جنبه های سیستم قلبی عروقی مانند ضربان قلب و فشار خون می شود. سارا گفت، بنابراین، این امکان وجود دارد که صدا بتواند سرنخ هایی در مورد نحوه عملکرد سیستم عصبی خودمختار ارائه دهد و در نتیجه، بینشی در مورد سلامت قلب و عروق ارائه دهد.

این مطالعه با انگلیسی زبانان در غرب میانه ایالات متحده با استفاده از نرم افزار آموزش دیده بر روی نمونه های صوتی جمع آوری شده در اسرائیل انجام شد. سارا گفت که آزمایش‌های بیشتری برای تعیین اینکه آیا رویکرد قابل تعمیم و مقیاس‌پذیری در زبان‌ها، کشورها، فرهنگ‌ها و تنظیمات مراقبت‌های بهداشتی است یا خیر، نیاز است. وی افزود که پرداختن به مسائل امنیتی و حریم خصوصی قبل از گنجاندن چنین فناوری در پزشکی از راه دور یا ارزیابی های سلامت در محل نیز مهم خواهد بود.

سارا گفت: “این قطعا یک رشته هیجان انگیز است، اما هنوز کارهای زیادی برای انجام دادن وجود دارد.” ما باید محدودیت‌های داده‌هایی را که در اختیار داریم بدانیم و باید مطالعات بیشتری را در جمعیت‌های متنوع‌تر، کارآزمایی‌های بزرگ‌تر و مطالعات آینده‌نگرتر مانند این انجام دهیم.»