Последствия высокого кровяного давления могут быть фатальными. Поэтому ранняя диагностика и лечение имеют большое значение. В исследовании, проведенном в Канаде, было установлено, что гипертонию можно диагностировать с помощью метода на основе искусственного интеллекта. Достаточно всего лишь записи голоса пациента.
Уникальный эксперимент
![](/media/i/3/1/7/9/9/0/9/i/3179909.jpg)
245 человек приняли участие в исследовании, проведенном лабораторией Klick Labs в Канаде. Их голоса записывали в разработанном учеными мобильном приложении 6 раз в день в течение 2 недель. Ученые использовали алгоритмы искусственного интеллекта для анализа сотен голосовых биомаркеров, которые позволяли им получать ценную информацию о пациентах.
ИИ различает голосовые данные, которые человеческое ухо не может распознать, например изменчивость высоты голоса. В результате было заявлено, что мобильное приложение выявляет гипертонию с точностью до 84 процентов у женщин и 77 процентов у мужчин.
Особенности тестирования
![](/media/i/3/1/7/9/9/1/1/i/3179911.jpg)
В этом исследовании ученые изучили возможность включения акустического представления речи для скрининга гипертонии. Впервые была внедрена новая идея сжатия акустических представлений в записях открытой речи. Чтобы включить в анализ динамику речи, ученые разделили каждую запись на четыре равноудаленные четверти.
Затем они исследовали фреймворки с полной записью, с записью по одному кварталу, с записью по нескольким кварталам. Выяснилось, что наилучшая производительность достигается при объединении всех характеристик кварталов. Также впервые была представлена модель скрининга гипертонии, не требующая калибровки.
Отличие данного исследования от предыдущих
![](/media/i/3/1/7/9/9/0/3/i/3179903.jpg)
Несколько предыдущих исследований были сосредоточены на выявлении симптомов сердечной недостаточности с помощью анализа речи. Первичное наблюдение, приведшее к разработке этих моделей, — это доказанная связь между уровнями отека, исключительно при застойной и легочной сердечной недостаточности, и динамикой голосовых складок, которая напрямую влияет на речь.
Кроме того, ученые извлекли показатели высоты тона и форманты, дрожание, мерцание и громкость и выявили значительную связь между этими признаками и легочной гипертензией. Однако ни одно исследование до сих пор напрямую не изучало физиологическую связь между речью и артериальным давлением. В последних тестах была продемонстрирована значительная связь между основной частотой голоса во время умственных задач и воздействием низких температур, частотой сердечных сокращений и артериальным давлением.
С другой стороны, различные опосредующие факторы влияют как на голосовые связки, так и на артериальное давление. Это курение, стресс, ожирение, заболевания щитовидной железы, диабет и апноэ во сне. Таким образом, хотя гипертония не может напрямую влиять на голос, она может влиять на него через эти опосредующие факторы.
В исследовании важен комплексный подход
![](/media/i/3/1/7/9/9/0/7/i/3179907.jpg)
Среди исследований, пытавшихся предсказать гипертонию по записям речи, именно в последнем был предложен комплексный подход. Были объединены записи артикуляции гласных и выделены акустические характеристики в 630 измерениях у 86 участников (30 женщин), что позволило достичь точности 93% и среднеквадратичной ошибки при оценке артериального давления на уровне 0,236.
Хотя сообщенные показатели были высокими и предлагали дополнительные идеи для других исследований в этой области, использованная схема проверки представляла собой перекрестную проверку K-кратности. Этот подход к проверке не гарантирует, что данные от одного и того же субъекта будут собраны в одном экземпляре, тем самым увеличивается риск утечки данных и смещения результатов.
![](/media/i/3/1/7/9/9/1/2/i/3179912.jpg)
Результаты показывают, что сегментация записей на четыре равноудаленные четверти может улучшить разрешение анализа, особенно для определения сегмента, наиболее связанного с гипертонией. Кроме того, наложение характеристик из всех четвертей помогло включить более тонкие дискриминационные детали в запись. Лучшая модель для женщин была получена при пороговом значении САД≥135 или ДАД≥85 при использовании 64 признаков и классификатора LDA.
Напротив, лучшая модель для мужчин была достигнута с использованием более строгого порога и гораздо большего количества признаков (149). Несмотря на большое количество признаков, использование такого подхода снижает погрешности, тем самым подтверждая представленные результаты. Более того, несоответствие между показателями моделей при разных пороговых значениях может быть объяснено низким числом участников в группе гипертоников при обоих пороговых значениях.
Исследование имело несколько ограничений
![](/media/i/3/1/7/9/9/0/8/i/3179908.jpg)
Во-первых, количество случаев гипертонии у обоих полов было ограничено, а этническая принадлежность участников была схожей. Это подчеркивает необходимость набора более многочисленного и разнообразного состава участников, включая людей с более широким спектром симптомов гипертонии и различным этническим происхождением.
Хотя эффективность предлагаемой модели в сценарии тестирования с одной записью остается высокой по обоим пороговым значениям, оптимальные результаты достигаются, когда все доступные записи для каждого участника используются для скрининга статуса гипертонии, что требует сбора данных в течение нескольких сеансов.
В-третьих, участники были умеренно обучены с точки зрения интонации, темпа артикуляции и речевого корпуса. Хотя данные собирались в неконтролируемой среде, стоит изучить больше сценариев сбора речи в обычной среде. Наконец, учитывая сложности, наблюдаемые при использовании классических моделей, было бы полезно изучить подходы, основанные на данных, такие как глубокие нейронные сети. С их помощью важные характеристики, связанные с гипертонией, извлекаются автоматически.
Какой можно сделать вывод
![](/media/i/3/1/7/9/9/0/5/i/3179905.jpg)
Целью этого исследования было внедрение прогностических моделей для скрининга гипертонии с использованием записей речи. Были изучены различные подходы, основанные на спектрально-временных акустических признаках, включая технику сжатия для представления каждого участника с помощью одного вектора признаков.
Используя несколько классификаторов и разрабатывая отдельные прогностические модели для каждого пола, ученые достигли заметных сбалансированных показателей точности 84 и 77% для женщин и мужчин соответственно. Эти идеи прокладывают путь для дальнейшей разработки обобщаемых, неинвазивных методов скрининга гипертонии с использованием анализа речи.
Нашли нарушение? Пожаловаться на содержание