Hangbiomarker. Új kifejezéseket tanulunk, mint amilyen ez is, és amelyek a tudományos misztikumból napjaink során kerülnek a mindennapi gyakorlatba. A biomarker valamilyen biológiai állapot mérhető mutatója, amelyet gyakran vér, vizelet vagy lágyszövetek felhasználásával mérik és értékelik. Célja, hogy megvizsgálják a normális biológiai folyamatokat, a kóros folyamatokat vagy a terápiás beavatkozásra adott válaszokat a szervezetünkben. A digitális biomarkerek új lehetőségként jelentek meg az utóbbi években, amelyeket legtöbbször intelligens bioérzékelőkkel gyűjtünk. Ilyenek a test vagy egyes testrészek gyorsulását mérő adatok, a pulzusszám, a beszédvizsgálat, a bőrön végzett izzadságvizsgálat vagy a könny vizsgálatának eredménye. Olyan mértékben fejlődő szakterületről van szó, hogy ma már saját tudományos folyóirata van.
A hang egyes jellemzőinek összefüggését az életkilátásokkal már korábbi kutatások kimutatták koszorúér-betegség, pulmonális hipertónia és szívelégtelenségben szenvedő betegek esetében. A mostani, legújabb eredmény a hangbiomarkerek – gépi tanulással készült algoritmusok által felismerhető akusztikai jellemzők – szerepére mutat rá a szívbetegségek kockázatának meghatározásában. Mindez új lehetőség az egészségmegőrzés és a gyógyítás számára a korai szűrés, a betegek kockázati besorolása és a távgondozás szempontjait figyelembe véve.
Bár az eredmény új, az elemző algoritmus már 2015 januárban rendelkezésre állt. A Vocalis Health nevű okostelefon-alkalmazás segítségével 30 másodperces hangfelvételeket rögzítettek három alkalommal a vizsgálat kétéves időtartama alatt, majd újabb három éven keresztül követték a bevont betegek állapotát. A vizsgálatban részt vevő betegek hangfelvételeit feldolgozták, és pontszámokat adtak aszerint, hogy mennyire torzult a hangbiomarkert. Azoknál a betegeknél, akiknél a felső harmadba sorolták a pontszámokat, 2,6-szor nagyobb volt a kockázata annak, hogy 24 hónap alatt akut koszorúér-szindróma alakuljon ki vagy mellkasi fájdalommal kerüljenek kórházba, mint a pontszámok alsó kétharmadába tartozó betegeknél. Háromszor nagyobb volt az állapotromlást jelző pozitív terheléses teszt vagy angiográfiás vizsgálattal kimutatott koszorúér-betegség kockázata.
A hangbiomarker felismerésére alkalmas algoritmust mesterséges intelligencia módszerekkel tanították be, több mint 10.000 krónikus betegségben szenvedő beteg hangfelvételének felhasználásával, és összesen 80-féle beszédjellemzőt elemeztek mint például a hangsebesség, hangerő, hangmagasság és hanglejtés.
A kutatók szerint ez a hangelemző technológia azonban nem önálló diagnosztikai eszköz, és a mesterséges intelligenciával megtanított algoritmusok még nagyon sokáig nem lesznek olyanok, amelyeket mindenki letölthet, hogy saját magán használhassa otthoni diagnózisra vagy kockázatértékelésre. Ezeket célzottan kell használni, egymást követő diagnosztikus lépések egyikeként, pontosan meghatározva szerepüket a terápiás döntésről hozott folyamatban. Így csak olyan esetben válhatnak valóban értékesség, amikor olyan kardiológus használja, aki ismeri a gép korlátait, és tudja, hogy a meglévő klinikai módszerek kiegészítéseként milyen módon kell használni.
Budapest, 2022. április 8.
Dr. Lantos Zoltán, programvezető