Czy komputer może usłyszeć chorobę? Prof. Krzysztof Szklanny z PJATK: “Głos może stać się źródłem danych medycznych”

dpowiednio zarejestrowany i przeanalizowany może również ujawniać subtelne dane dotyczące pracy aparatu mowy, zmian zachodzących w organizmie oraz efektów terapii. Nad rozwiązaniami tego rodzaju od lat pracuje prof. Krzysztof Szklanny z Polsko-Japońskiej Akademii Technik Komputerowych (PJATK). Jego badania łączą informatykę, akustykę, logopedię i sztuczną inteligencję. Celem tych prac nie jest zastąpienie lekarza algorytmem, lecz wspieranie diagnostyki i terapii za pomocą nowoczesnych narzędzi.

Nowoczesne narzędzia wspierają specjalistów: rejestrują sygnały, umożliwiają ich analizę i przetwarzanie, porządkują materiał badawczy oraz pozwalają monitorować zmiany w czasie. W przyszłości mogą także znaleźć zastosowanie w badaniach przesiewowych oraz ocenie postępów terapii.

– Analiza akustyczna, czyli taka, która opiera się na analizie sygnału dźwiękowego oraz analiza percepcyjna, czyli ocena „na ucho”, pomagają w diagnostyce. Wiemy, że takie systemy diagnostyczne istnieją i że można je rozwijać w kierunku praktycznego wsparcia specjalistów – mówi prof. Krzysztof Szklanny z PJATK.

Głos pod lupą

Pomimo tego, że mówienie jest czynnością naturalną, każda głoska powstaje dzięki precyzyjnej współpracy układu oddechowego, krtani i fałdów głosowych. Brzmienie głosu zależy m.in. od wieku, kondycji, stanu emocjonalnego oraz sposobu jego używania. Z tego względu może stanowić cenne źródło informacji dla foniatrów, laryngologów i logopedów. Komputerowa analiza głosu umożliwia obiektywną ocenę jego cech oraz monitorowanie zmian zachodzących w toku diagnostyki i terapii.

Jednym z obszarów badań prof. Szklannego jest analiza zaburzeń fonacji, czyli nieprawidłowości dotyczące m.in. pracy fałdów głosowych. Analiza sygnału głosowego może pomóc w wykrywaniu nadmiernego napięcia, głosu wysiłkowego czy niedomykalności fałdów głosowych. Ma to szczególne znaczenie dla osób zawodowo posługujących się głosem, takich jak nauczyciele, aktorzy, śpiewacy i dziennikarze.

W badaniach zespół pracuje z sygnałem elektroglotograficznym – umożliwiającym w sposób nieinwazyjny, ocenę pracy fałdów głosowych. W połączeniu z analizą akustyczną pozwala on dokładniej opisać mechanizmy powstawania głosu i wspiera diagnostykę dysfonii, m.in. u dzieci z guzkami głosowymi.
– Narzędzia, którymi dysponujemy, umożliwiają identyfikację nieprawidłowych fonacji. W przypadku guzków głosowych elektroglotografia dostarcza pełniejszego obrazu od analizy sygnału dźwiękowego pochodzącego tylko z mikrofonu. Jednocześnie algorytmy analizy akustycznej znacznie się rozwinęły. Obecnie również na podstawie standardowego nagrania możemy identyfikować istotne cechy głosu – wyjaśnia prof. Szklanny.

Badania nie ograniczają się przy tym do eksperymentów technologicznych. Ich punktem odniesienia pozostaje ocena kliniczna. Takie podejście pozwala uniknąć jednej z największych pułapek związanych z rozwojem sztucznej inteligencji (AI) w medycynie: tworzenia modeli, które rozpoznają wzorce w danych, lecz nie są oparte na rzetelnych danych klinicznych.

Od chorób rzadkich do zmian poznawczych

Kolejnym obszarem zainteresowań zespołu są rzadkie choroby genetyczne. Jednym z przykładów jest choroba Pompego, choroba metaboliczna spowodowana niedoborem enzymu kwaśnej α-glukozydazy. W efekcie prowadząca m.in. do postępującego osłabienia mięśni. Jej przebieg ma wpływ na pracę układu oddechowego i aparatu mowy, a w konsekwencji – na sposób wytwarzania głosu.

Prof. Szklanny stworzył bazę nagrań pacjentów z chorobą Pompego, zarejestrowaną w trakcie terapii enzymatycznej. Zgromadzony materiał umożliwiał obserwację zmian wybranych cech głosu zachodzących wraz z leczeniem i rozwojem choroby. Analizy wskazywały m.in. na niedomykalność fałdów głosowych oraz inne nieprawidłowości w funkcjonowaniu toru głosowego.

– Każda choroba może wiązać się z odmiennym sposobem funkcjonowania toru głosowego. Technologie pozwalają wykrywać takie zjawiska jak głos wysiłkowy, chuchający czy niedomykalność fałdów głosowych. Na tej podstawie nie rozpoznajemy choroby, możemy jednak zaobserwować konkretne objawy oraz zmiany w pracy aparatu mowy – zaznacza prof. Szklanny.

Jest to istotne rozróżnienie. Biomarker głosowy nie stanowi samodzielnej diagnozy, lecz mierzalną cechę, która może być związana z określonym stanem chorobowym organizmu, umożliwi obserwację objawów lub wskaże potrzebę dalszej oceny. Może dotyczyć m.in. stabilności i drżenia głosu, rytmu wypowiedzi, tempa mówienia czy sposobu artykulacji.

Możliwość regularnego, nieinwazyjnego monitorowania zmian ma szczególne znaczenie dla pacjentów z chorobami przewlekłymi. Nagranie głosu jest proste do wykonania i w wielu przypadkach może być rejestrowane poza gabinetem. Zanim jednak takie rozwiązania znajdą powszechne zastosowanie, muszą przejść szeroką walidację medyczną i zostać zweryfikowane na odpowiednio licznych grupach pacjentów oraz spełnić wysokie standardy ochrony danych osobowych.

Kolejnym obiecującym, choć wymagającym obszarem jest analiza mowy w chorobach neurodegeneracyjnych i zaburzeniach otępiennych. W przypadku choroby Alzheimera oraz innych zaburzeń poznawczych zmiany dotyczą nie tylko pamięci, lecz także sposobu konstruowania wypowiedzi, tempa mówienia, doboru słów, długości pauz czy sposobu reagowania na pytania.

Pierwsze sygnały są subtelne. Osoba potrzebuje więcej czasu na znalezienie właściwego słowa, upraszcza wypowiedź, częściej powtarza podobną konstrukcję językową lub ma trudność z opisaniem ilustracji i uporządkowaniem kolejności wydarzeń. Żadna z tych cech, rozpatrywana osobno, nie przesądza o występowaniu problemu. Uwzględniona w odpowiednim kontekście może jednak stanowić element szerszej oceny.

– Pracujemy nad zastosowaniem wspomnianych metod, stosowanych wcześniej w analizie rzadkich chorób genetycznych i guzków głosowych u pacjentów z zaburzeniami otępiennymi. Chcemy sprawdzić, czy w głosie i mowie można zidentyfikować mierzalne zmiany. Pierwsze hipotezy już się pojawiły, wymagają jednak dalszych badań – mówi prof. Szklanny.

Zespół PJATK rozwija dwie uzupełniające się ścieżki badań: analizę akustyczną i analizę językową. Pierwsza obejmuje analizę jakości i stabilności głosu oraz ocenę fonacji. Druga koncentruje się na strukturze wypowiedzi, w tym na sposobie opisywania sytuacji, doborze słów i logice narracji Do przetwarzania takiego materiału można wykorzystywać klasyfikatory, modele językowe oraz inne narzędzia sztucznej inteligencji.

Ich zadaniem nie jest samodzielne rozstrzyganie o stanie zdrowia pacjenta, lecz identyfikowanie powtarzających się wzorców i wspieranie eksperta w analizie materiału. Wymaga to szczególnej ostrożności, ponieważ na sposób mówienia wpływają m.in. wiek, wykształcenie, język, kultura, doświadczenia życiowe, emocje oraz chwilowe zmęczenie. Odpowiedzialnie zaprojektowany system nie może traktować indywidualnego stylu wypowiedzi ani zróżnicowania językowego jako objawu choroby.

Technologia w służbie pacjenta

Nowatorski charakter prac prowadzonych w PJATK nie ogranicza się do analizy nagrań i tworzenia algorytmów. Zespół opracowuje również prototypy urządzeń, które w przyszłości mogą poszerzyć zakres pozyskiwanych danych. Jedno z nich, stworzone przez dyplomanta współpracującego z zespołem prof. Szklannego, wykorzystuje czujniki akcelerometryczne, służące do monitorowania wibracji struktur krtani. Takie rozwiązanie umożliwia obserwację zjawisk, których nie można w pełni opisać na podstawie nagrania dźwiekowego. Głos jest wynikiem procesów zachodzących w organizmie. Połączenie danych akustycznych z informacjami o pracy aparatu mowy zwiększa szansę na opracowanie narzędzi przydatnych lekarzom, terapeutom i pacjentom.

Dorobek prof. Szklannego obejmuje również syntezę mowy, czyli technologie umożliwiające komputerowe generowanie głosu. Wraz z rozwojem sztucznej inteligencji i głębokich sieci neuronowych możliwości tej dziedziny znacznie się zwiększyły.

– Jednym z najbardziej poruszających przykładów było opracowanie rozwiązania dla pacjentki, która miała przejść operację krtani. Jej głos zarejestrowano przed zabiegiem, aby w przyszłości możliwe było przygotowanie systemu syntezy mowy zachowującego indywidualną barwę jej głosu – wspomina prof. Szklanny.

Utrata głosu nie jest wyłącznie problemem medycznym. Dla wielu osób oznacza utratę charakterystycznej barwy głosu, ograniczenie spontanicznego kontaktu z bliskimi oraz naruszenie ważnej części własnej tożsamości. System syntezy mowy nie przywraca naturalnego sposobu komunikacji, może jednak pomóc zachować jego istotny element oraz zapewnić pacjentowi poczucie sprawczości i ciągłości.

W projektach prowadzonych pod kierunkiem prof. Szklannego uczestniczą również studenci i dyplomanci. Rozwijają kompetencje nie tylko w zakresie programowania, analizy danych i projektowania urządzeń, lecz także odpowiedzialnego podejścia do technologii stosowanych w ochronie zdrowia. Rozwiązania o rzeczywistym znaczeniu społecznym mogą powstawać właśnie na styku kompetencji technicznych, wiedzy medycznej oraz wrażliwości na potrzeby pacjentów.

– Najważniejsze jest dla mnie to, że technologia może wspierać specjalistów i pacjentów. Głos zawiera wiele informacji. Kluczowe pytanie dotyczy tego, jak odpowiedzialnie je odczytywać i przekształcać w rzeczywiście użyteczne narzędzia – podsumowuje prof. Szklanny.

Komputer nie zastąpi oceny lekarza ani doświadczenia terapeuty. Może jednak pomóc dostrzec sygnały, które pozostają zbyt subtelne lub trudne do zmierzenia. W medycynie nawet niewielka zmiana, właściwie rozpoznana i odpowiedzialnie zinterpretowana, może mieć istotne znaczenie.

Czytaj także:

Kandydat był, ale się zmył. Z setki aplikujących do pierwszego dnia pracy dociera tylko 12 proc.

Wyścig o technologie dual-use. Jak polski biznes i samorządy mogą zbudować odporność państwa