Speech and Voice Biomarkers for Parkinson’s disease Detection: A Systematic Review of Machine Learning and Deep Learning Models
تحلل هذه المراجعة المنهجية نماذج تعلم الآلة والتعلم العميق المطبقة على المؤشرات الحيوية للكلام والصوت للكشف عن مرض باركنسون، مع تسليط الضضوء على دقتها العالية مع معالجة التحديات الحالية مثل عدم توازن البيانات ونقص القدرة على التعميم، واقتراح توجهات مستقبلية مثل التكامل متعدد الوسائط والتعلم الاتحادي للتطبيق السريري.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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
مرض باركنسون هو حالة تغير ببطء كيفية حركة الجسم، وغالباً ما تبدأ بالرعشات أو التصلب. وبينما اعتمد الأطباء لفترة طويلة على الفحوصات البدنية لرصد هذه العلامات، فإن المرض يغير أيضاً الطريقة التي يتحدث بها الناس قبل وقت طويل من ظهور الأعراض الأخرى. قد يبدأ الشخص في التحدث بنبرة أكثر رتابة، مع تباين أقل في طبقة الصوت، أو قد يبدو صوته مهتزاً ومصحوباً بنهجان. هذه التحولات الطفيفة ليست مجرد آثار جانبية؛ بل هي تحذيرات مبكرة مكتوبة في صوت الإنسان. ولأن مناطق الدماغ التي تتحكم في الحركة تتحكم أيضاً في العضلات المستخدمة في الكلام، يصبح الصوت مرآة حساسة لتقدم المرض. وقد دفع هذا الارتباط الباحثين إلى طرح سؤال بسيط ولكنه قوي: هل يمكننا الاستماع إلى صوت ما ومعرفة ما إذا كان الشخص مصاباً بباركنسون، أو كيف يتغير المرض، دون الحاجة إلى معدات طبية معقدة؟
وضع فريق من الباحثين في جامعة رامديوبابا في ناغبور، الهند، نصب أعينهم الإجابة على هذا السؤال من خلال النظر في الأعمال العلمية الثماني الماضية حول هذا الموضوع. قاموا بجمع وفحص عشرات الدراسات التي استخدمت برامج حاسوبية لتحليل تسجيلات صوتية لأشخاص مصابين بباركنسون وأفراد أصحاء. كان هدفهم هو معرفة مدى قدرة هذه النماذج الحاسوبية على العمل كأداة تشخيصية. ووجد الباحثون أن هذا المجال قد نما بسرعة، مع زيادة حادة في الدراسات المنشورة منذ عام 2023. استخدمت هذه الدراسات مجموعة متنوعة من التسجيلات الصوتية، بدءاً من أصوات الحروف المتحركة المستمرة البسيطة مثل نطق نغمة "آه" (ah)، وصولاً إلى الجمل المعقدة المنطوقة بلغات مختلفة. تم تدريب الحواسيب على الاستماع إلى أنماط محددة، مثل استقرار الصوت، وإيقاع الكلام، وجودة الموجات الصوتية، التي غالباً ما تصبح غير منتظمة لدى المصابين بالمرض.
تظهر نتائج هذه المراجعة أن هذه الأساليب الحاسوبية تعمل بشكل جيد. ففي الغالبية العظمى من الدراسات التي تم فحصها، حددت النماذج مرض باركنسون بدقة تزيد عن 80 بالمائة من المرات. ووجد الباحثون أن كل من التقنيات الحاسوبية القديمة والمستقرة، والأنظمة الأحدث والأكثر تعقيداً، يمكنها تحقيق دقة عالية. اعتمدت الطرق القديمة غالباً على قياسات مختارة يدوياً للصوت، مثل مدى تذبذب طبقة الصوت أو مقدار الضجيج المختلط في الصوت. أما الطرق الأحدث، التي تستخدم التعلم العميق، فقد سمحت للحواسيب بالعثور على هذه الأنماط من تلقاء نفسها من خلال النظر في التمثيلات المرئية للصوت، تماماً كما تظهر الخريطة التضاريس. وبينما كانت نماذج التعلم العميق تؤدي أحياناً بشكل أفضل قليلاً، خاصة مع مجموعات البيانات الكبيرة أو المعقدة، إلا أن الطرق القديمة ظلت قوية وموثوقة، لا سيما عندما تكون البيانات محدودة.
ومع ذلك، وجد الباحثون أن الطريق نحو المستقبل ليس سلساً تماماً. ويتمثل أحد التحديات الرئيسية في أن العديد من الدراسات استخدمت مجموعات صغيرة من الأشخاص أو مجموعات بيانات غير متوازنة، مما يعني وجود تسجيلات من الأصحاء أكثر بكثير من تلك الخاصة بالمصابين بالمرض. وهذا يمكن أن يجعل البرامج الحاسوبية جيدة جداً في رصد الأصوات السليمة ولكنها ليست جيدة بما يكفي في رصد المرض. علاوة على ذلك، تباينت الدراسات بشكل كبير في كيفية تسجيل الأصوات وكيفية اختبار نتائجها، مما يجعل من الصعب مقارنة دراسة بأخرى مباشرة. هناك أيضاً نقص في البيانات طويلة الأمد؛ حيث ركزت معظم الدراسات على لحظة زمنية واحدة بدلاً من تتبع كيفية تغير صوت الشخص على مدار سنوات. وبدون هذه الرؤية طويلة الأمد، يصعب استخدام تحليل الصوت للتنبؤ بكيفية تقدم المرض أو لمراقبة ما إذا كان العلاج فعالاً.
للانتقال من المختبر إلى العالم الحقيقي، يقترح المؤلفون أن الأبحاث المستقبلية يجب أن تركز على الاتساق والخصوصية. ويقترحون ضرورة اتفاق العلماء على طرق معيارية لتسجيل وتحليل الأصوات حتى يمكن مقارنة النتائج بسهولة. كما يسلطون الضوء على الحاجة إلى دراسات كبيرة وطويلة الأمد تتبع المرضى لسنوات لمعرفة كيف تتطور أصواتهم. بالإضافة إلى ذلك، ومع توجه هذه الأدوات نحو الاستخدام على الهواتف الذكية أو في العيادات، يؤكد الباحثون على أهمية جعل قرارات الحاسوب مفهومة. إن استخدام أدوات تشرح سبب اتخاذ النموذج لتشخيص معين سيساعد الأطباء على الثقة في هذه التكنولوجيا. وتخلص المراجعة إلى أنه بينما يعد تحليل الصوت وسيلة واعدة وغير جراحية للكشف عن باركنسون ومراقبته، إلا أنه ليس حلاً نهائياً بعد؛ فهو يتطلب بيانات أكثر معيارية، وتتبعاً أفضل طويل الأمد، وأنظمة يمكنها حماية خصوصية المريض قبل أن يصبح جزءاً روتينياً من الرعاية الطبية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.