Primijenjene tehnike mašinskog učenja za dijagnosticiranje stanja i poremećaja koji utječu na glas: Sistematski pregled literature.
Journal of medical Internet research
Sažetak istraživanja
Pozadina Normalna proizvodnja glasa zavisi od sinhronizovane saradnje više fizioloških sistema, što čini glas osetljivim na promene. Svaka sistematska, neurološka i aerodigestivna distorzija je sklona da utiče na proizvodnju glasa kroz smanjenu kognitivnu, plućnu i mišićnu funkcionalnost. Ova osjetljivost inspirirala je korištenje glasa kao biomarkera za ispitivanje poremećaja koji utiču na glas. Tehnološka poboljšanja i nove tehnologije mašinskog učenja (ML) omogućile su mogućnosti izdvajanja digitalnih vokalnih karakteristika iz glasa za automatizovane sisteme za dijagnostiku i praćenje.
Cilj Ova studija ima za cilj da sumira sveobuhvatan pogled na istraživanje poremećaja koji utječu na glas koji koristi ML tehnike za dijagnozu i praćenje putem glasovnih uzoraka gdje su sistemska stanja, nelaringealni aerodigestivni poremećaji i neurološki poremećaji posebno od interesa.
Metode Ovaj sistematski pregled literature (SLR) istraživao je stanje tehnike glasovnih dijagnostičkih i nadzornih sistema sa ML tehnologijama, ciljajući poremećaje koji utiču na glas bez direktne veze sa govornom kutijom sa stanovišta primenjene zdravstvene tehnologije. Kroz sveobuhvatan niz za pretraživanje skenirane su studije objavljene od 2012. do 2022. iz baza podataka Scopus, PubMed i Web of Science i prikupljene za procjenu. Kako bi se pristrasnost svela na najmanju moguću mjeru, osigurano je pronalaženje relevantnih referenci u drugim studijama u ovoj oblasti, a 2 autora su ocijenila prikupljene studije. Studije lošeg kvaliteta su uklonjene procjenom kvaliteta, a relevantni podaci izvučeni su kroz zbirne tabele za analizu. Članci su provjereni na sličnosti između grupa autora kako bi se spriječila kumulativna pristrasnost redundantnosti tokom procesa skrininga, gdje je samo 1 članak bio uključen iz iste grupe autora.
Rezultati U analizi 145 uključenih studija, mašine za podršku vektorima su bile najviše korišćena tehnika ML (51/145, 35,2%), a najviše proučavana bolest je Parkinsonova bolest (PD; prijavljeno u 87/145, 60%, studija). Nakon 2017. godine ispitano je 16 dodatnih poremećaja koji utječu na glas, za razliku od 3 prethodno istražena. Nadalje, porast upotrebe arhitektura baziranih na umjetnim neuronskim mrežama primijećen je nakon 2017. Gotovo polovina uključenih studija objavljena je u posljednje 2 godine (2021. i 2022.). Uočeno je veliko interesovanje mnogih zemalja. Primjetno je da se skoro polovina (n=75) studija oslanjala na 10 različitih skupova podataka, a 11/145 (7,6%) koristilo je demografske podatke kao ulazne podatke za modele pranja novca.
Zaključci Ovaj SLR je otkrio značajan interes u više zemalja za korištenje tehnika ML za dijagnosticiranje i praćenje poremećaja koji utječu na glas, pri čemu je PD najčešće proučavan poremećaj. Međutim, pregled je utvrdio nekoliko nedostataka, uključujući ograničenu i neuravnoteženu upotrebu skupova podataka u studijama, te fokus na dijagnostički test, a ne na praćenje specifičnog za poremećaj. Uprkos ograničenjima koja su ograničena samo recenziranim publikacijama na engleskom, SLR pruža vrijedan uvid u trenutno stanje istraživanja o dijagnozi poremećaja glasa zasnovanom na ML-u i praćenju i naglašavanju područja kojima se treba baviti u budućim istraživanjima.
Prikaži originalni naslov i sažetak na engleskom
Applied Machine Learning Techniques to Diagnose Voice-Affecting Conditions and Disorders: Systematic Literature Review.
Background Normal voice production depends on the synchronized cooperation of multiple physiological systems, which makes the voice sensitive to changes. Any systematic, neurological, and aerodigestive distortion is prone to affect voice production through reduced cognitive, pulmonary, and muscular functionality. This sensitivity inspired using voice as a biomarker to examine disorders that affect the voice. Technological improvements and emerging machine learning (ML) technologies have enabled possibilities of extracting digital vocal features from the voice for automated diagnosis and monitoring systems.
Objective This study aims to summarize a comprehensive view of research on voice-affecting disorders that uses ML techniques for diagnosis and monitoring through voice samples where systematic conditions, nonlaryngeal aerodigestive disorders, and neurological disorders are specifically of interest.
Methods This systematic literature review (SLR) investigated the state of the art of voice-based diagnostic and monitoring systems with ML technologies, targeting voice-affecting disorders without direct relation to the voice box from the point of view of applied health technology. Through a comprehensive search string, studies published from 2012 to 2022 from the databases Scopus, PubMed, and Web of Science were scanned and collected for assessment. To minimize bias, retrieval of the relevant references in other studies in the field was ensured, and 2 authors assessed the collected studies. Low-quality studies were removed through a quality assessment and relevant data were extracted through summary tables for analysis. The articles were checked for similarities between author groups to prevent cumulative redundancy bias during the screening process, where only 1 article was included from the same author group.
Results In the analysis of the 145 included studies, support vector machines were the most utilized ML technique (51/145, 35.2%), with the most studied disease being Parkinson disease (PD; reported in 87/145, 60%, studies). After 2017, 16 additional voice-affecting disorders were examined, in contrast to the 3 investigated previously. Furthermore, an upsurge in the use of artificial neural network-based architectures was observed after 2017. Almost half of the included studies were published in last 2 years (2021 and 2022). A broad interest from many countries was observed. Notably, nearly one-half (n=75) of the studies relied on 10 distinct data sets, and 11/145 (7.6%) used demographic data as an input for ML models.
Conclusions This SLR revealed considerable interest across multiple countries in using ML techniques for diagnosing and monitoring voice-affecting disorders, with PD being the most studied disorder. However, the review identified several gaps, including limited and unbalanced data set usage in studies, and a focus on diagnostic test rather than disorder-specific monitoring. Despite the limitations of being constrained by only peer-reviewed publications written in English, the SLR provides valuable insights into the current state of research on ML-based voice-affecting disorder diagnosis and monitoring and highlighting areas to address in future research.
Izvorni podaci
- DOI
- 10.2196/46105
- PMID
- 37467031
- PMCID
- PMC10398366
- Provjereno
- 2026-07-26
Naslov i sažetak prevedeni su automatski i prijevod može sadržavati netačnosti ili neprecizne stručne izraze. Za sve detalje, citiranje i medicinsko tumačenje pregledajte originalnu englesku verziju članka. Ne donosite zdravstvene odluke samo na osnovu ovog prijevoda.
Pregledaj originalni članak na engleskom