Separating Voice from Age in COPD Screening
تُثبت هذه الورقة أن الإشارات الصوتية تحتوي على بصمة صوتية غير مرتبطة بالعمر قادرة على الفحص للكشف عن مرض الانسداد الرئوي المزمن، لكنها تكشف أن بروتوكولات التقييم القياسية معيبة لأنها تفشل في التمييز بين مؤشرات المرض الحقيقية والعوامل المربكة مثل ظروف التسجيل والتغيرات الصوتية المرتبطة بالعمر.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
يُعد مرض الانسداد الرئوي المزمن، المعروف اختصاراً بـ COPD، حالة رئوية تدريجية تجعل التنفس صعباً عن طريق سد مجرى الهواء. وهو سبب رئيسي للوفاة في جميع أنحاء العالم، ومع ذلك غالباً ما يظل دون تشخيص حتى يحدث ضرر كبير لأن الأعراض المبكرة تكون غائبة في كثير من الأحيان. يتطلب التشخيص القياسي للمرض زيارة المريض للعيادة وإجراء اختبار تنفس محدد يسمى "قياس التنفس" (spirometry)، والذي يتطلب طاقماً مدرباً وجهداً كبيراً من المريض. ولأن هذه العملية يصعب توسيع نطاقها لتشمل أعداداً كبيرة من السكان، بحث الباحثون منذ فترة طويلة عن بديل أبسط وأرخص. وأحد المسارات الواعدة هو الصوت البشري؛ فالمنطق وراء ذلك فسيولوجي: حيث يقلل المرض من ضغط الهواء والتدفق اللازمين للكلام، مما ينبغي نظرياً أن يغير صوت الشخص. وإذا استطاع حاسوب الاستماع إلى صوت حرف علة مستمر واكتشاف هذه التغييرات الطفيفة، فقد يتمكن من فحص ملايين الأشخاص للكشف عن المرض دون الحاجة لزيارة العيادة.
ومع ذلك، يوجد تعقيد رئيسي في هذا المسار من البحث؛ فمرض الانسداد الرئوي المزمن مرتبط ارتباطاً وثيقاً بالعمر، إذ أنه أكثر شيوعاً لدى كبار السن. وفي الوقت نفسه، يتغير الصوت البشري طبيعياً مع تقدم الإنسان في السن، بسبب ترقق الأحبال الصوتية والتحولات في دعم التنفس. وهذا يخلق تداخلاً مربكاً: إذا تعلم برنامج حاسوبي التمييز بين الأشخاص المرضى والأصحاء، فهل يكتشف المرض حقاً، أم أنه ببساطة يلاحظ أن المرضى أكبر سناً؟ كان هذا السؤال مصدراً للجدل، لكن دراسة جديدة أجراها باحثون من جامعة كريت قدمت أخيراً إجابة واضحة من خلال إعادة فحص البيانات الموجودة باستخدام مجموعة أكثر صرامة من القواعد.
وجه الباحثون اهتمامهم إلى قاعدة بيانات عامة تحتوي على أكثر من ألف تسجيل صوتي لثمانية وستين مشاركاً سويدياً. ادعت دراسات سابقة باستخدام هذه البيانات دقة عالية في اكتشاف مرض الانسداد الرئوي المزمن، لكنها عاملت التسجيلات كنقاط بيانات مستقلة. أدرك الفريق الجديد أن هذا النهج كان معيباً لأن بعض المشاركين ساهموا بعشرات التسجيلات بينما ساهم آخرون بعدد قليل فقط. وعندما أعاد الباحثون تحليل البيانات من خلال تجميع كل تسجيل يعود للشخص المحدد الذي أصدره، ظهر عدم توازن خفي. كشفت الدراسة أن مجموعة الأشخاص المصابين بالانسداد الرئوي المزمن كانت، في المتوسط، أكبر سناً بشكل ملحوظ من مجموعة الضبط السليمة. في الواقع، كان الفرق في العمر كبيراً لدرجة أن نموذجاً حاسوبياً بسيطاً يمكنه التمييز بين المجموعتين بدقة عالية باستخدام عمر المشارك فقط، دون الاستماع إلى تسجيل صوتي واحد. ومن المرجح أن قصص النجاح السابقة كانت تقيس العمر، لا المرض.
ولحل هذه المشكلة، صمم الباحثون طريقة جديدة لاختبار نماذج الصوت. فبدلاً من النظر في جميع البيانات دفعة واحدة، أنشأوا مجموعات صغيرة متوازنة حيث يتم إقران كل شخص مصاب بالانسداد الرئوي المزمن بشخص سليم من نفس العمر تماماً. في هذه الأزواج المتطابقة تماماً، تلاشى فرق العمر، واضطر النماذج الحاسوبية للاعتماد كلياً على الصوت. كانت النتائج مذهلة؛ فعندما سُمح للنماذج باستخدام العمر كدليل، انخفض أداؤها إلى مستوى التخمين العشوائي بمجرد إزالة فرق العمر. ولكن عندما تم تدريب النماذج دون الوصول إلى معلومات العمر، احتفظت بمقياس إحصائي للتمييز (ROC-AUC) عند حوالي 0.72، رغم أن فترات الثقة الواسعة تعني أنه بالنسبة لبعض التكوينات، لم يكن هذا الأداء مميزاً إحصائياً عن الصدفة. وهذا يشير إلى أن إشارة صوتية حقيقية مرتبطة بالمرض قد تكون موجودة، ومنفصلة عن آثار الشيخوخة، لكن الأدلة لم تكن حاسمة لكل نموذج تم اختباره.
كما كشفت الدراسة عن درس مفاجئ حول كيفية تعلم هذه النماذج الحاسوبية. فعندما درب الباحثون نموذجاً مع تضمين معلومات العمر، اعتمد النموذج بشدة على دليل العمر وفشل في تعلم التفاصيل الدقيقة للصوت. وعندما حاولوا لاحقاً استخدام ذلك النموذج نفسه على المجموعات المتوافقة في العمر، كان أداؤه ضعيفاً لأنه لم يتعلم حقاً أنماط الصوت. ومع ذلك، فإن النماذج التي تم تدريبها منذ البداية بدون معلومات العمر تعلمت أنماط الصوت بعمق وحافظت على درجات التمييز الخاصة بها حتى عند اختبارها على المجموعات المتوازنة، في حين أن النماذج التي تدربت مع وجود العمر شهدت انخفاضاً كبيراً في أدائها. يشير هذا إلى أن تضمين المعلومات الديموغرافية مثل العمر في أدوات الفحص الطبي يمكن أن يضعف في الواقع قدرة الأداة على اكتشاف المرض الفعلي، حيث يسلك الحاسوب الطريق السهل باستخدام الاختصار الديموغرافي بدلاً من تعلم الإشارة البيولوجية المعقدة.
علاوة على ذلك، وجد الباحثون أن مجموعة صغيرة جداً من قياسات الصوت التقليدية، والتي تتكون من أربع عشرة خاصية محددة تتعلق باستقرار وجودة الصوت، قد أدت أداءً يضاهي مجموعة ضخمة ومعقدة من خمسة وخمسين قياساً مختلفاً. يشير هذا إلى أن المعلومات الأكثر فائدة لاكتشاف المرض ليست مخفية في كود رقمي معقد، بل هي موجودة في السمات الصوتية الكلاسيكية البسيطة. كما لاحظت الدراسة أنه على الرغم من أن إشارة الصوت حقيقية، إلا أن الباحثين لم يتمكنوا بعد من استبعاد احتمال تأثر التسجيلات بالميكروفونات أو البيئات المستخدمة، حيث لم تتضمن قاعدة البيانات تلك التفاصيل.
في الختام، لا تدعي هذه الدراسة أن الفحص القائم على الصوت جاهز للمستشفيات اليوم. فقد شملت الدراسة عدداً صغيراً من الأشخاص من بلد واحد، ولا تزال النماذج ترتكب أخطاءً. ومع ذلك، فقد نجحت في تجاوز عقبة رئيسية في هذا المجال من خلال إثبات أن الصوت يحمل بالفعل إشارة للمرض تختلف عن العمر. كما أظهرت أن الطريقة القياسية لاختبار هذه النماذج في الماضي كانت غير كافية، وغالباً ما كانت تخفي الأداء الحقيقي خلف الاختصارات الديموغرافية. ومن خلال إظهار وجود إشارة صوتية غير مرتبطة بالعمر وأن طرق الاختبار الصحيحة يمكن أن تكشف عنها، وفر الباحثون مساراً أوضح لتطوير أدوات يمكنها يوماً ما المساعدة في اكتشاف أمراض الرئة من خلال كلمة منطوقة بسيطة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.