Stemanalyse bij astmatische patiënten met modellen voor machine learning

Astma is een ziekte die wordt gekenmerkt door chronische ontsteking. Op basis van de frequentie van symptomen en het gebruik van reliever medicijnen kan de ziekte worden geclassificeerd als 'gecontroleerd' of 'ongecontroleerd'. Momenteel kunnen GINA -criteria en astma -controletest worden gebruikt om astma -controle te evalueren.

De relatie tussen ademhalingsfuncties en spraak is eerder bestudeerd, waaruit blijkt dat spraakveranderingen kunnen optreden bij astmapatiënten vanwege de aanwezigheid van de symptoom. Astma kan leiden tot verschillende factoren die de spraakproductie beïnvloeden, waaronder luchtwegbeperking, ontsteking en slijmproductie, wat resulteert in veranderingen in spraakfrequentie en amplitude. Daarom kan spraakanalyse dienen als een indicator voor luchtwegaandoeningen. Inzicht in de veranderingen in de fonatie/stem als gevolg van de onderliggende ziekte is cruciaal.

Deze studie beoogt verschillen in stem te analyseren tussen gezonde proefpersonen en astmapatiënten en om spraakanalysetechnieken te beoordelen voor het bepalen van een effectieve biomarker voor astma -controle met behulp van een machine learning -model.

Dit is een nationaal, observationeel, transversaal onderzoek dat zal worden uitgevoerd in Türkiye. De studie bestaat uit twee fasen: in de eerste fase zal een Machine Learning (ML) -model worden ontwikkeld met behulp van spraakgegevens die worden verzameld van zowel gezonde personen als patiënten met de diagnose astma. In de tweede fase zal dit ML -model worden getest om spraakverschillen te detecteren tussen patiënten op verschillende niveaus van astma -controle.