Evaluation of Voice Features Using Wav2vec2.0-Based Deep Learning as a Diagnostic Tool in Acromegaly
Cette étude démontre qu'un modèle d'apprentissage profond basé sur Wav2Vec2.0 analysant des enregistrements vocaux peut distinguer efficacement les patients atteints d'acromégalie des témoins avec une grande précision diagnostique, suggérant l'analyse de la voix comme un biomarqueur numérique non invasif prometteur pour cette pathologie.