پژوهشگران می‌گویند یک فایل صوتی کوتاه می‌تواند در آینده به ابزاری برای تشخیص زودهنگام سرطان حنجره تبدیل شود. یک مطالعه جدید نشان می‌دهد که هوش مصنوعی می‌تواند با تحلیل صدای افراد، ناهنجاری‌های موجود در تارهای صوتی، گره‌های خوش‌خیم و اولین نشانه‌های سرطان حنجره را شناسایی کند.
سرطان حنجره بیش از یک میلیون نفر را در سراسر جهان تحت تأثیر قرار می‌دهد و سالانه جان حدود صد هزار نفر را می‌گیرد. این سرطان بیستمین سرطان شایع در جهان است و عواملی مانند سیگارکشیدن، مصرف الکل و برخی از سویه‌های ویروس HPV از مهم‌ترین عوامل خطر آن محسوب می‌شوند.
مهم‌ترین عامل در درمان موفقیت‌آمیز این بیماری، تشخیص زودهنگام است. نرخ بقای بیماران در صورت تشخیص به‌موقع از حدود ۳۵ درصد به ۹۰ درصد افزایش می‌یابد. بااین‌حال، روش‌های تشخیصی فعلی مانند آندوسکوپی بینی و بیوپسی، تهاجمی، ناراحت‌کننده و اغلب زمان‌بر هستند و به تجهیزات و تخصص ویژه‌ای نیاز دارند که دسترسی سریع به آنها برای بسیاری از بیماران دشوار است.
براساس گزارش یورونیوز، پژوهش جدید دانشگاه بهداشت و علوم اورگن آمریکا با بررسی حدود ۱۲ هزار و ۵۰۰ فایل صوتی از ۳۰۶ نفر انجام شد. هوش مصنوعی با تحلیل الگوهای صوتی ظریف مانند تغییرات در زیر و بمی صدا، بلندی و وضوح هارمونیک، به دنبال نشانه‌های ناهنجاری در تارهای صوتی گشت.
محققان می‌گویند: «با این مجموعه داده، ما توانستیم از نشانگرهای زیستی صوتی برای تمایز صدای بیماران دارای ضایعه در تارهای صوتی از افراد سالم استفاده کنیم.» نتایج نشان داد که در میان مردان، تفاوت‌های واضحی در نسبت هارمونیک به نویز و زیر و بمی صدا بین افراد سالم، افراد دارای ضایعات خوش‌خیم و افراد مبتلا به سرطان وجود دارد. اگرچه الگوهای معناداری در میان زنان یافت نشد، اما پژوهشگران معتقدند این موضوع احتمالاً به دلیل کوچک‌بودن حجم نمونه در این گروه بوده است.
این مطالعه یک گام اولیه اما بسیار مهم است. گام ضروری بعدی این خواهد بود که باید مدل‌های AI با مجموعه‌داده‌های بسیار بزرگ‌تر و با برچسب‌گذاری حرفه‌ای آموزش ببینند. سپس این سیستم باید در محیط‌های بالینی واقعی آزمایش شود تا دقت و کارایی آن تأیید گردد. همچنین پژوهشگران باید اطمینان حاصل کنند که این ابزار برای هر دو جنس زن و مرد به خوبی کار می‌کند.
محققان می‌گویند با توجه به پیشرفت‌های موجود، ابزار آنها برای تشخیص ضایعات تارهای صوتی ممکن است طی دو سال آینده وارد مرحله آزمایش‌های اولیه شود.
یافته‌های این پژوهش در ژورنال Frontiers in Digital Health منتشر شده است.
