به گزارش ایسنا به نقل از ساینس‌آلرت، ضایعات سرطانی تارهای صوتی می‌توانند تأثیر ظریفی بر صدای فرد بگذارند که این موضوع می‌تواند به تشخیص زودهنگام سرطان حنجره، زودتر از روش‌های کنونی کمک کند. دانشمندان می‌گویند اگرچه تشخیص این تمایز با گوش انسان غیرممکن است، اما دریافته‌اند که الگوریتم‌های یادگیری ماشینی می‌توانند آنها را از یکدیگر تشخیص دهند.
حدود ۱/۱ میلیون در سال ۲۰۲۱ در سراسر جهان مبتلا به سرطان حنجره تشخیص داده شدند و تقریباً ۱۰۰ هزار نفر بر اثر آن جان باختند. در حال حاضر، این سرطان توسط متخصصان با استفاده از روش‌هایی مانند آندوسکوپی بینی و بافت‌برداری تشخیص داده می‌شود. ضمن اینکه ابزارهای غربالگری دیجیتال که علائم هشدار اولیه سرطان حنجره را با استفاده از ضبط صدا تشخیص می‌دهند، می‌توانند به پزشکان غیرمتخصص در شناسایی بیماران در معرض خطر کمک کمک کنند تا بیماری‌شان زودتر از حالت عادی تشخیص داده شود.
دانشمندان «دانشگاه علوم و سلامت اورگان»(Oregon) و «دانشگاه ایالتی پورتلند»(Portland) با بررسی ۱۲۵ هزار و ۲۳ صدای ضبط شده از ۳۰۶ شرکت‌کننده آمریکایی، ویژگی‌های صوتی نشان‌دهنده ضایعات تار صوتی را در مردان شناسایی کردند. این ضایعات یا خوش‌خیم یا سرطانی بودند. همچنین، رابطه بین آهنگ و صدا به تمایز بین صدای مردان مبتلا به سرطان، ضایعات خوش‌خیم و اختلالات صوتی کمک کرد.
پژوهشگران در این مطالعه نتوانستند ویژگی‌های شناسایی آماری معناداری در صدای زنان بیابند، اما امیدوارند که یک مجموعه داده گسترده‌تر بتواند در آینده نتایج بهتری برای صدای زنان ارائه دهد.
«فیلیپ جنکینز»(Phillip Jenkins) متخصص انفورماتیک بالینی از «دانشگاه علوم و سلامت اورگان» می‌گوید: ما برای تبدیل این مطالعه به یک ابزار هوش مصنوعی که ضایعات تار صوتی را تشخیص دهد، مدل‌ها را با استفاده از یک مجموعه داده حتی بزرگ‌تر از ضبط‌های صدا که توسط متخصصان برچسب‌گذاری شده‌اند، آموزش خواهیم داد. سپس باید سامانه را آزمایش کنیم تا مطمئن شویم که برای زنان و مردان به یک اندازه خوب کار می‌کند.
وی افزود: ابزارهای بهداشتی مبتنی بر صدا در حال حاضر در حال آزمایش هستند. من بر اساس یافته‌هایمان تخمین می‌زنم که با مجموعه‌های داده بزرگ‌تر و اعتبارسنجی بالینی، ابزارهای مشابه برای تشخیص ضایعات تار صوتی ممکن است در چند سال آینده وارد مرحله آزمایش مقدماتی شوند.
این مطالعه در مجله Frontiers in Digital Health منتشر شده است.
- 17
- 6
