Relationship between objective and subjective perceptual measures of speech in individuals with head and neck cancer

Deze studie toont aan dat er sterke correlaties bestaan tussen subjectieve perceptuele beoordelingen en objectieve akoestische maatstaven van spraak bij patiënten met hoofd-halstumoren, wat suggereert dat een enkele intelligibiliteitsmeting voldoende kan zijn voor klinische monitoring.

De kern

🎙️ De Stem van de Kanker: Een Luisteroefening

Stel je voor dat de stem van een mens een orkest is. Normaal gesproken spelen alle instrumenten (de tong, de lippen, het strottenhoofd) perfect samen om een mooi liedje te maken.

Maar wat gebeurt er als iemand hoofd- en halskanker heeft? De behandeling (straling en chemotherapie) is als een zware storm die door het orkest waait. Sommige instrumenten raken uit tune, andere gaan trillen of worden stil. De artsen en logopedisten moeten nu precies weten: Hoe erg is de storm geweest? Kunnen we nog verstaan wat er gezegd wordt?

Dit onderzoek van Bence Halpern en zijn team kijkt naar precies dat probleem. Ze proberen twee verschillende manieren te vergelijken om de "stemstorm" te meten:

1. De Menselijke Oren (Subjectief): Trained luisteraars die met hun oren oordelen.
2. De Computer (Objectief): Slimme algoritmes die de geluidsgolven analyseren.

De vraag is: Kloppen de oren van de mens met de berekeningen van de computer?

---

🔍 Wat hebben ze gedaan?

Ze hebben geluidsopnames gemaakt van 53 Nederlandse mensen die behandeld zijn voor hoofd- en halskanker. Ze luisterden naar hun stem op verschillende momenten: voor de behandeling, direct erna, en een jaar later.

De luisteraars moesten een rapportkaart invullen voor verschillende dingen:

• Verstaanbaarheid: Kun je wat ze zeggen begrijpen?
• Uitspraak: Klinkt het scherp of vaag?
• Stemkwaliteit: Klinkt de stem schor of normaal?
• Snelheid: Spreken ze te snel of te traag?
• Neusklank: Klinkt het als een verkoudheid?
• Achtergrondgeluid: Is er ruis in de opname?

Tegelijkertijd lieten ze een computer deze geluiden "meten" met geavanceerde wiskunde en AI.

---

🌟 De Grote Ontdekkingen (De "Aha!"-momenten)

1. Alles gaat vaak samen (De "Grote Storm" theorie)

Het meest opvallende resultaat was dat verstaanbaarheid, uitspraak en stemkwaliteit sterk met elkaar verbonden zijn.

• De Analogie: Stel je voor dat je een auto hebt die door een modderpoel rijdt. Als de wielen (uitspraak) vastzitten, gaat de motor (stem) ook trager en is de rit (verstaanbaarheid) slechter. Je kunt ze niet echt van elkaar scheiden; het is één groot probleem.
• Wat betekent dit voor artsen? Als een arts alleen kijkt naar "kunnen we het verstaan?", dan weten ze eigenlijk ook al genoeg over de uitspraak en de stemkwaliteit. Je hoeft niet alles apart te meten; één goede maatstaf (verstaanbaarheid) is vaak genoeg om te zien of iemand beter wordt.

2. De Computer is een goede "Oor"

De computer kon de menselijke oordelen heel goed voorspellen, vooral bij verstaanbaarheid en snelheid.

• De Analogie: Het is alsof je een robot hebt die net zo goed kan luisteren als een ervaren leraar. De computer kon zien: "Oh, dit geluid is rommelig, dus de mens zal zeggen: 'Ik versta dit niet goed'."
• De winnaars: Twee specifieke computer-methoden (genaamd NAD en XPPG-PCA) deden het het beste. Ze waren bijna net zo goed als de menselijke luisteraars.

3. Wat ging er mis? (De "Neus" en de "Ruis")

Er waren twee dingen waar de computer en de mens het niet over eens waren:

• De Neus (Nasality): De luisteraars waren het vaak niet eens over hoeveel neusklank er was. Soms dachten ze: "Ja, dat is een neusstem", en een ander dacht: "Nee, dat is normaal." Omdat de mensen het niet eens waren, kon de computer het ook niet goed voorspellen.
• De Ruis (Noise): De achtergrondgeluiden waren lastig te meten.

---

💡 Waarom is dit belangrijk?

Stel je voor dat je elke week naar de dokter moet voor een controle.

• Vroeger: De dokter liet je een tekst lezen, en een team van experts luisterde urenlang naar je stem om te zeggen of je beter werd. Dit kost veel tijd en geld.
• Nu (met deze studie): De dokter kan een computerprogramma gebruiken dat in een seconde zegt: "Je verstaanbaarheid is 85%." Omdat we nu weten dat dit getal ook zegt hoe je uitspraak en stemkwaliteit zijn, is dat genoeg.

De boodschap:
We hoeven niet alles met de hand te meten. Een slimme computer kan de stem van kankerpatiënten snel en betrouwbaar controleren. Dit maakt de behandeling sneller en minder belastend voor de patiënt.

🚀 Wat moet er nog gebeuren?

De computer is nog niet perfect. Hij moet nog "slimmer" worden voor neusklanken en hij moet begrijpelijk zijn voor artsen (niet alleen een zwart doosje met cijfers). Maar de basis is gelegd: De computer kan luisteren, en dat helpt de mens.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het paper "Relationship between objective and subjective perceptual measures of speech in individuals with head and neck cancer", geschreven in het Nederlands.

Probleemstelling

De beoordeling van spraak is cruciaal voor medische besluitvorming en het monitoren van spraaktherapie bij patiënten met hoofd- en halskanker (HNC). Huidige praktijken maken gebruik van twee benaderingen:

1. Subjectieve (perceptuele) evaluatie: Gebaseerd op ratings door getrainde luisteraars. Dit is tijdrovend, vereist gespecialiseerde beoordelaars en is vatbaar voor bias.
2. Objectieve (computational) evaluatie: Gebaseerd op algoritmen die kwantitatieve maten afleiden uit het signaal. Hoewel dit sneller en consistenter is, is de uitdaging om te garanderen dat deze maten daadwerkelijk corresponderen met menselijke perceptie en klinisch relevant zijn.

Een specifiek probleem is dat perceptuele dimensies (zoals articulatie en stemkwaliteit) vaak sterk met elkaar correleren door een onderliggende oorzaak (bijv. de algehele ernst van de spraakstoornis door stralingstherapie). Dit kan leiden tot de "common cause fallacy", waarbij een objectieve maat die lijkt te correleren met een specifieke perceptie, in werkelijkheid slechts de algehele ernst meet. De studie onderzoekt of objectieve maten de subjectieve beoordelingen van verschillende spraakaspecten (intelligibiliteit, articulatie, stemkwaliteit, etc.) betrouwbaar kunnen voorspellen in een HNC-populatie.

Methodologie

Dataset:

• Bron: Het NKI-SpeechRT dataset, bestaande uit 53 Nederlandse sprekers met HNC (45 man, 10 vrouw; gemiddelde leeftijd 57 jaar).
• Opnames: 136 "speaker-stages" (combinaties van spreker en meetmoment: voor CCRT, 10 weken na CCRT, 12 maanden na CCRT).
• Materiaal: Voorlezen van de tekst 'De vijvervrouw' van Godfried Bomans.
• Uitsluiting: Twee sprekers en 5 stages zijn verwijderd vanwege problemen met forced alignment.

Subjectieve Maten (Perceptuele Evaluatie):
14 getrainde luisteraars (recent afgestudeerde logopedisten) beoordeelden de opnames op een schaal van 1 tot 7 of 1 tot 9 voor de volgende dimensies:

• Intelligibiliteit (INT): Begrijpelijkheid.
• Fonatie (PHO): Afwijking in stemproductie.
• Articulatorische precisie (AP): Nauwkeurigheid van klinkers en medeklinkers.
• Snelheid (SPEED): Snelheid van spreken.
• Stemkwaliteit (VQ): Algemene stemkwaliteit.
• Nasaliteit (NAS): Neusklank.
• Ruis (NOISE): Aantoonbare achtergrondruis.

Objectieve Maten:
De auteurs hebben verschillende algoritmen toegepast om de bovenstaande aspecten te kwantificeren:

• Intelligibiliteit:
  • Phoneme Error Rate (PER): Vergelijking met een geschreven referentie (Dutch phoneme recogniser).
  • Neural Acoustic Distance (NAD): Vergelijking van spraakfeatures (wav2vec2-large) met referentie-woorden van andere sprekers (geen geschreven tekst nodig, wel audio-referentie).
  • XPPG-PCA (PCX): Een referentievrije methode die x-vectors en phonetic posteriorgrams combineert met PCA om afwijkingen van typische spraakpatronen te meten.
• Snelheid:
  • Speech Rate (RATES): Aantal woorden / totale duur.
  • Articulation Rate (RATEA): Aantal woorden / duur zonder pauzes (berekend via energy-based voice activity detection).
• Ruis:
  • SNRN: NIST SNR schatting (Gaussian mixture).
  • SNRW: Waveform Amplitude Distribution Analysis (WADA-SNR).

Analyse:
De correlaties werden berekend tussen de subjectieve ratings (gemiddeld over de luisteraars) en de objectieve scores, zowel onderling als tussen de twee groepen maten.

Belangrijkste Bijdragen en Resultaten

1. Correlaties tussen subjectieve maten (RQ1):

• Er werd een zeer sterke correlatie gevonden tussen Intelligibiliteit (INT), Articulatorische precisie (AP) en Stemkwaliteit (VQ) (respectievelijk r = 0,95 en r = 0,92).
  • Interpretatie: Bij HNC-patiënten verslechteren deze aspecten gelijktijdig, waarschijnlijk door de effecten van chemoradiotherapie op zowel het articulatoire als het laryngale subsysteem.
• Snelheid (SPEED) had een matige positieve correlatie met intelligibiliteit (r = 0,38): sneller spreken werd als begrijpelijker ervaren (in tegenstelling tot typische spraak waar langzamer vaak beter is).
• Fonatie (PHO), Nasaliteit (NAS) en Ruis (NOISE) hadden slechts zwakke tot geen correlatie met intelligibiliteit.

2. Voorspellende waarde van objectieve maten (RQ2):

• Intelligibiliteit: Objectieve maten correleerden sterk met de subjectieve intelligibiliteit.
  • NAD presteerde het beste (r = 0,90).
  • PCX (referentievrij) (r = 0,83) en PER (geschreven referentie) (r = 0,82) volgden.
  • Conclusie: Acoustische referenties (NAD) lijken beter te werken dan geschreven tekstreferenties (PER).
• Snelheid: De objectieve Speech Rate (RATES) correleerde sterk met de subjectieve snelheid (r = 0,83), terwijl Articulation Rate (RATEA) slechts een matige correlatie toonde (r = 0,42).
• Ruis: Objectieve ruismaten correleerden matig met de subjectieve beoordeling (SNRN: r = 0,46).
• Gevonden beperkingen: Er was geen significante correlatie gevonden tussen objectieve maten en de subjectieve beoordelingen van Nasaliteit en Fonatie.

Betekenis en Conclusie

• Klinische Implicatie: Vanwege de sterke onderlinge correlatie tussen intelligibiliteit, articulatie en stemkwaliteit bij HNC-patiënten, zou een enkele maat voor intelligibiliteit mogelijk voldoende kunnen zijn voor het klinisch monitoren van patiënten die chemoradiotherapie ondergaan. Dit zou de beoordelingslast kunnen verlagen.
• Validiteit van Objectieve Methoden: De studie bevestigt dat geavanceerde objectieve methoden (vooral NAD en XPPG-PCA) veelbelovend zijn voor het automatisch en consistent beoordelen van spraak bij HNC-patiënten, zelfs in aanwezigheid van niet-native sprekers en ruis.
• Uitdagingen:
  • De "common cause fallacy" is een risico bij het ontwikkelen van gerichte maten; validatie is nodig in populaties waar deze factoren niet gecorreleerd zijn.
  • Er zijn nog geen betrouwbare objectieve methoden voor nasaliteit en fonatie ontwikkeld die correleren met menselijke perceptie.
  • Interpreteerbaarheid: De beste objectieve methoden (NAD, XPPG-PCA) gebruiken neurale netwerken die voor clinicians vaak een "black box" zijn.
  • Taalafhankelijkheid: De huidige modellen zijn specifiek voor het Nederlands; taal-onafhankelijke modellen zijn gewenst voor bredere toepassing.

Samenvattend biedt dit onderzoek sterke empirische onderbouwing voor het gebruik van geautomatiseerde intelligibiliteitsmaten in de klinische praktijk voor HNC, maar wijst ook op de noodzaak van verder onderzoek naar interpreteerbare en specifieke maten voor andere spraakaspecten.