سرطان حنجره یکی از سرطان های نسبتاً نادر اما جدی است که معمولاً با علائمی همچون گرفتگی صدا، سرفه مداوم و دشواری در بلع شناخته می شود.

تشخیص زودهنگام آن نقش حیاتی در افزایش شانس درمان موفق دارد. روش های متداول تشخیصی مانند لارنگوسکوپی و نمونه برداری، تهاجمی و پرهزینه هستند

پژوهش های اخیر نشان داده اند که الگوریتم های یادگیری ماشین می توانند با تحلیل ویژگی های صوتی، به غربالگری اولیه و غیرتهاجمی این بیماری کمک کنند.

یک تیم پژوهشی با بررسی 12٬523 ضبط صدا به دنبال الگوهای پنهان در ویژگی های آکوستیکی صدا بودند. در این مطالعه:

نسبت هارمونیک به نویز (HNR) به عنوان شاخص کلیدی بررسی شد.

این ویژگی توانست تفاوت میان افراد مبتلا به سرطان حنجره، ضایعات خوش خیم و اختلالات صوتی را در مردان مشخص کند.

در نمونه های مربوط به زنان، تفاوت آماری معناداری یافت نشد؛ اما پژوهشگران امیدوارند که مجموعه داده های بزرگ تر بتواند در آینده این محدودیت را برطرف سازد.

یافته ها نشان دادند که ویژگی های ظریف صوتی می توانند نقش مهمی در شناسایی زودهنگام ضایعات سرطانی تارهای صوتی ایفا کنند. این کشف می تواند پایه گذار توسعه ی ابزارهای غربالگری دیجیتالی شود. چنین ابزارهایی این امکان را می دهند که حتی پزشکان عمومی یا غیرمتخصص نیز بدون نیاز به روش های تهاجمی، بیماران در معرض خطر را شناسایی کنند.

نیاز به داده های متنوع تر و بزرگ تر، به ویژه برای بررسی صدای زنان.

لزوم استانداردسازی ضبط صدا برای جلوگیری از تأثیر عوامل محیطی.

بررسی امکان ادغام این فناوری در اپلیکیشن های موبایلی یا تجهیزات پزشکی ساده.

استفاده از هوش مصنوعی در تحلیل صدا می تواند انقلابی در حوزه ی پزشکی به وجود آورد.

اگرچه هنوز در مراحل ابتدایی است، اما آینده ای را نوید می دهد که در آن تنها با یک نمونه ی کوتاه از صدای بیمار، می توان نشانه های اولیه ی سرطان حنجره را شناسایی کرد و گامی مهم در جهت تشخیص زودهنگام و افزایش امید به زندگی برداشت.

منبع: چندثانیه