Kunstig intelligens og godartede lesjoner av stemmefoldsgjenkjenning

Utviklingen av kunstig intelligens (AI), utviklingen av stemmeteknologi, fremskritt innen lydsignalanalyse og naturlig språkbehandling/-forståelsesmetoder har åpnet veien for en rekke potensielle anvendelser av stemme, for eksempel identifisering av vokale biomarkører for diagnose, klassifisering eller for å forbedre klinisk praksis. Nylig har undersøkelser fokusert på rollen til stemmens lydsignal som en signatur på den patogene prosessen. Dysfoni indikerer at det har skjedd noen negative endringer i stemmeproduksjonen. Den totale forekomsten av dysfoni er omtrent 1 % selv om de faktiske frekvensene kan være høyere avhengig av populasjonen som er studert og definisjonen av den spesifikke stemmelidelsen. Stemmehelse kan vurderes av flere akustiske parametere. Forholdet mellom stemmepatologi og akustiske stemmeegenskaper er klinisk etablert og bekreftet både kvantitativt og subjektivt av taleeksperter. De automatiske systemene er designet for å avgjøre om prøven tilhører en frisk person eller en ikke-frisk person. Nøyaktigheten til akustiske parametere er knyttet til funksjonene som brukes til å estimere dem for identifikasjon av talestøy. Nåværende stemmesøk er stort sett begrenset til grunnleggende spørsmål, selv om de har brede perspektiver. Litteraturen om vokale biomarkører for spesifikke stemmefoldsykdommer er anekdotisk og relatert til funksjonelle stemmefoldsforstyrrelser eller sjeldne bevegelsesforstyrrelser i strupehodet. De vanligste årsakene til dysfoni er benigne lesjoner i stemmefolden (BLVF). For tiden er videolaryngostroboskopi, selv om den er invasiv, gullstandarden for diagnostisering av BLVF. Imidlertid er det invasiv og kostbar prosedyre. De nye ML-algoritmene har nylig forbedret klassifiseringsnøyaktigheten til utvalgte funksjoner i målvariabler sammenlignet med mer konvensjonelle prosedyrer takket være muligheten til å kombinere og analysere store datasett med stemmefunksjoner. Selv om flertallet av studiene fokuserer på diagnostisering av en lidelse der de skiller mellom friske og ikke-friske forsøkspersoner, mener etterforskerne at den viktigste oppgaven ofte er differensialdiagnose mellom to eller flere sykdommer. Selv om dette er en utfordrende oppgave, er det av avgjørende betydning å flytte beslutningsstøtte til dette nivået. Hovedmålet med denne forskningen vil være studiet, utviklingen og valideringen av ML-algoritmer for å gjenkjenne de forskjellige BVLVFL fra digitale stemmeopptak.