Возможности применения речевых биомаркеров для дистанционного скрининга бронхиальной астмы

Динамический скрининг пациентов с бронхиальной астмой (БА) необходим для выявления ранних признаков заболевания и предотвращения его прогрессии. В статье [1] показано, что увеличение среднесуточных колебаний пиковой скорости выдоха (ПСВ) больше чем на 30% или снижение лучшего индивидуального показателя более чем на 20% свидетельствуют об ухудшении контроля БА и повышении риска обострений. Другие исследователи [2] отмечают, что пациенты, практикующие самоконтроль в сочетании с использованием письменного плана и регулярным медицинским осмотром, значительно реже попа- дают в больницу и обращаются в отделения неотложной помощи. Однако в той же работе утверждается, что наилучший способ скрининга и мониторинга астмы остается нерешенной проблемой в первичном звене здравоохранения из-за большой нагрузки на медицинский персонал. Кроме того, исследователи подчеркивают статичность оценки состояния больных БА медицинскими работниками в определенный момент времени; пациенты могут не распознавать ранние признаки заболевания и его обострения, и такая ситуация приводит к задержкам консультации, диагностики и лечения [3]. В свою очередь, известно, что непрерывный скрининг хронических неинфекционных заболеваний, в частности БА, имеет потенциальные преимущества перед эпизодическими посещениями медицинских учреждений и позволяет добиться лучших исходов, а также сэкономить значительные ресурсы [4].

Другими недостатками стандартного скрининга БА с помощью пикфлуометров и симптомных опросников являются зависимость от усилий и низкой вовлеченности пациентов, недостаточная точность и ненадежность данных, запоздалое распознавание обострений. Antalffy T. et al. (2020) приводят данные о том, что около 9% больных соблюдают рекомендации по мониторингу ПСВ, а фальсификация дневников ПСВ достигает 60% [5]. Другая группа исследователей [6] указывает на не всегда надежное и точное измерение ПСВ. Например, неоптимальные усилия могут привести к заниженным значениям ПСВ, ожирение и мышечная слабость снижают ПСВ без ограничения воздушного потока, у пациентов с тяжелой астмой измерение ПСВ может недооценивать степень ограниченности воздушного потока. В работе Larsen E., et al. предполагается, что причиной обострения БА, помимо усилий пациента, может являться ретроспективность мониторинга на базе пикфлуорометрии и опросников [7]. В этой статье предложен интегральный респираторно-ре-агирующий голосовой маркер, анализирующий длительный звук «а», записанный на смартфон, для мониторинга БА и продемонстрирована его эффективность.

В России проведены исследования, посвященные скринингу и мониторингу БА, показавшие свою результативность. Исследования Постниковой Л.Б. и соавт. (2024) подтвердили высокую эффективность двух скрининговых опросников [8]. В работе Бабанова С.А. и соавт. (2025) рассматриваются более сложные подходы к прогнозированию профессиональной БА на основе клинических, иммунологических и молекулярно-генетических маркеров, например, полиморфизма гена TSLP [9]. Однако эти подходы требуют либо временных затрат врача, либо финансовых вложений на проведение рутинных исследований.

Динамический мониторинг БА критически важен для предотвращения обострений и улучшения исходов; он устраняет недостатки, которыми страдают традиционные методы контроля. Стандартный подход носит эпизодический и ретроспективный характер, не позволяя своевременно выявлять признаки ухудшения состояния. Пассивный дистанционный мониторинг на основе голосовых биомаркеров с помощью смартфона устраняет эти недостатки, органично встраиваясь в системы телемедицины.

Поиск объективных, не требующих усилий от пациента и специального оборудования способов выявления и контроля БА остается актуальной задачей. В свою очередь, голосовые биомаркеры, регистрируемые с помощью смартфона, удовлетворяют этим условиям, отража- ют состояние дыхательных путей и голосового аппарата, а также могут служить основой для построения классификационных моделей, пригодных для интеграции в системы телемедицины.

Цель работы: выявить акустические параметры речи, статистически значимо различающиеся у пациентов с БА и у практически здоровых лиц.

Материал и методы

Исследование проводилось на базе двух медицинских учреждений Самарской области: клиники ФГБОУ ВО СамГМУ Минздрава России и ГБУЗ СО «ГБ № 4».

Исходными данными для анализа послужили записи голоса 38 мужчин с БА (группа 1.1), средний возраст – 51,2±4,3 года, 60 женщин (группа 1.2), средний возраст – 49,4±4,9 года, а также записи голоса контрольных групп из практически здоровых 57 мужчин (группа 2.1), средний возраст – 25,1±3,4 года и 106 женщин (группа 2.2), средний возраст – 23,4±2,8 года. Все обследуемые являлись носителями русского языка, для которых он является родным. Диагноз «Бронхиальная астма» был установлен лечащим врачом ранее в соответствии с клиническими рекомендациями (2024).

Все пациенты находились в состоянии ремиссии БА, для обследования приглашались в медицинскую организацию по месту прикрепления к врачу общей практики или участковому терапевту. Практические здоровые лица были отобраны из числа прикрепленного населения после проведения диспансеризации и исключения заболеваний, способных повлиять на результаты исследования.

Критерии включения пациентов в исследование:

• 1.    Возраст пациентов обоих полов старше 18 лет.

• 2.    Подписанное информированное согласие на участие в исследовании и согласие на обработку персональных данных.

• 3.    Установленный диагноз «Бронхиальная астма».

Процедура информирования проводилась при очном контакте врача-исследователя с пациентом, по итогам которого последний подписывал письменное согласие.

Критерии невключения пациентов в исследование:

• 1.    Обострение БА.

• 2.    Вероятные альтернативные заболевания, которые могут имитировать симптомы БА у пациента (хроническая обструктивная болезнь легких; хроническая сердечная недостаточность в периоде декомпенсации; первичная легочная гипертензия; тромбоэмболия легочной артерии).

• 3.    Острые и хронические инфекционные и неинфекционные заболевания, способные повлиять на формирование речевого сигнала (сахарный диабет [E10–11], острые респираторные инфекции верхних дыхательных путей [J00–J06], пневмонии [J18], заболевания верхних дыхательных путей [J30–J39], выраженная артериальная гипертензия [I10–I15]).

• 4.    Злокачественные новообразования, другие забо-левания/отклонения или угрожающие жизни состояния, которые могут помешать участнику завершить исследование.

• 5.    Злоупотребление алкоголем, наркотиками, табакокурение, психическое расстройство.

• 6.    Беременность и лактация.

• 7.    Отказ пациента подписать письменное информированное согласие на участие в исследовании.

Регистрация речевого сигнала во всех группах проводилась при помощи пользовательских устройств – смартфонов различных типов. Все файлы были записаны в естественных условиях в формате wav. С этой целью обследуемые находились в положении сидя в изолированном помещении без посторонних внешних шумов и голосов других людей. Врач-исследователь удерживал смартфон на расстоянии 5 см ото рта обследуемого. Все респонденты зачитывали один и тот же фонетически представительный текст, в котором частотное распределение фонетических единиц (фонем, аллофонов, слогов) соответствует общеязыковому распределению, полученному при статистическом анализе большого текстового корпуса и позволяющему провести полноценный акустический анализ речевого сигнала. Регистрация голоса проводилась в первой половине дня не ранее чем через 2 ч после приема пищи.

Отношение гармоник к шуму (HNR) для всех записей превышало 10 дБ. Частота дискретизации составила 48 кГц, средняя длительность записи – 60 с.

Предобработка включала в себя фильтрацию в полосе 50–5000 Гц, снижение частоты дискретизации до значения худшей модели смартфона (22 кГц) и нормализацию мел-частотных кепстральных коэффициентов.

Для акустического анализа использовалась программа Praat v 6.4.35, с помощью которой вычислялись спектральные и временные признаки. Кроме того, дополнительно в Python v 3.11.4 с помощью библиотек нелинейного анализа временных рядов antropy и nolds определялись параметры хаотичности и сложности частоты основного тона (ЧОТ).

В спектральной области были рассчитаны следующие акустические параметры речи: значение частоты и ширины первых 4 формант (fn и bn, где n=1–4), среднее значение первых 13 мел-частотных кепстральных коэффициентов (mfcc_n_mean, где n=1–13). Во временной области были определены среднее, медиана и стандартное отклонение ЧОТ (Pitch_mean, Pitch_median, Pitch_std, Гц), средний абсолютный наклон ЧОТ (Mean_abs_slope), локальные джиттер и шиммер (Jitter_local, Shimmer_ local, %), отношение гармоники/шум (HNR, дБ), а также параметрические и непараметрические коэффициенты эксцесса (kurtosis, moors_kurtosis) и коэффициенты асимметрии (skewness, bowley_skew) ЧОТ. Для оценки хаотичности и сложности ЧОТ были рассчитаны энтропии (SampleEntropy, ApproxEntropy, PermutationEntropy, SpectralEntropy, SVD_Entropy), фрактальные размерности (PetrosianFD, KatzFD, HiguchiFD), мобильность и сложность Хьорта (Hjorth_Mobility, Hjorth_Complexity), показатель Херста (DFA), сложность Колмогорова по алгоритму Лемпеля – Зива (LZIV).

Для исследования возможности бинарной классификации (БА–здоровые) выполнена аугментация данных посредством случайного деления исходных записей на 10 фрагментов длительностью 20 с. Классификация и тестирование осуществлялись на всех входных признаках для пяти классификаторов (LogisticRegression, RandomForest, SVM_RBF, MLP, XGBoost). Деление на обучающую и тестовую выборки проводилось в пропорции 80/20 – 760 фрагментов для мужчин и 1 330 для женщин в обучающей выборке, 190 фрагментов для мужчин и 330 для женщин в тестовой выборке. Фрагменты использовались только для классификатора.

Для дополнительной и более строгой оценки обоб- щающей способности моделей была применена схема валидации Leave-One-Patient-Out (LOPO), при которой на каждой итерации данные одного пациента полностью исключались из обучения и использовались только для тестирования. В отличие от исходной оценки на фиксированном разбиении выборки такой подход устранял влияние конкретного разбиения и обеспечивал проверку модели на полностью независимых пациентах. Дополнительно был выполнен shuffle-тест. Кроме того, признаки были ранжированы по их влиянию на классификацию с помощью алгоритма случайного леса, исследованы метрики классификации при разных наборах входных признаков. Для всех метрик построены доверительные интервалы бутстреп методом для уровня значимости 0,05.

Для оценки качества классификаторов использовались точность, полнота и F1-мера, рассчитываемые по следующим формулам:

Точность (качество прогнозирования положительного результата) = TP / (TP + FP);

Полнота (чувствительность) = TP / (TP + FN);

F1-мера = 2 × TP / (2 × TP + FP + FN), где TP (True Positive) – истинно положительные: больные, правильно классифицированные как больные; FP (False Positive) – ложноположительные: здоровые, ошибочно классифицированные как больные; FN (False Negative) – ложноотрицательные: больные, ошибочно классифицированные как здоровые. F1-мера, являясь гармоническим средним между точностью и полнотой, обеспечивает более объективную оценку в условиях несбалансированного распределения классов [10].

Статистическую обработку полученных данных проводили в Python v 3.11.4 с использованием библиотеки scipy.stats. На первом этапе на исходных записях по критериям Колмогорова – Смирнова и Шапиро – Уилка проверяли соответствие распределения количественных параметров нормальному закону. Было установлено, что условие нормальности в большинстве случаев не выполняется. С учетом этого исследуемые параметры речи представлены медианами и 95% доверительными интервалами медиан, определенными бутстреп-методом. Для проверки гипотез о различии количественных параметров в двух независимых группах использовали тест Манна – Уитни. Критический уровень значимости для проверки гипотез принимали равным 0,05.

Результаты

Временные параметры, параметры хаотичности и сложности ЧОТ и спектральные показатели приведены в таблицах 1, 2, 3 соответственно.

Полученные результаты показывают, что акустические параметры речи имеют половую специфичность при БА. Это обусловливает построение отдельных классификаторов для мужчин и женщин. Результаты классификации приведены в таблице 4.

На рисунках 1, 2 представлены ROC-кривые для мужчин и женщин соответственно.

Более строгая валидация с использованием схемы LOPO и алгоритма классификации RandomForest подтвердила высокую обобщающую способность моделей. Для мужчин F1=0,84 [0,75; 0,91] и для женщин F1=0,94 [0,90; 0,98] при AUC ROC 0,92 и 0,96 соответственно. При использовании только трех наиболее информативных признаков (MFCC_01, Pitch_mean, ApproxEntropy у женщин и MFCC_01, MFCC_10, Shimmer у мужчин) мо-

Таблица 1 . Временные параметры речевого сигнала

Table 1 . Time parameters of the speech signal

Показатель	Группа				p
	1.1, n = 38	1.2, n = 60	2.1, n = 57	2.2, n = 106	группа 1.1/ группа 2.1	группа 1.2/ группа 2.2
Pitch mean, Гц	120 [109; 125,8]	192 [187; 201]	117 [112; 125]	210 [204; 215]	0,57	0,001**
Pitch median, Гц	117 [107; 123]	187 [183; 197]	116 [110; 123]	206 [202; 211]	0,57	0,001**
Jitter local, %	3,04 [2,89; 3,2]	3,23 [3,07; 3,41]	2,8 [2,69; 2,84]	3,1 [2,98; 3,22]	0,04*	0,63
Shimmer local, %	11,94 [11,37; 12,92]	12,11 [11,12; 12,83]	11,29 [10,80; 11,91]	10,98 [10,53; 11,24]	0,02*	0,01**
Pitch_std, Гц	15,03 [12,7; 16,77]	26,69 [24,39; 29,38]	12,59 [12,06; 13,62]	23,71 [21,53; 25,39]	0,03*	0,001**
Skewness	0,49 [0,37; 0,58]	0,40 [0,28; 0,55]	0,59 [0,46; 0,68]	0,60 [0,55; 0,63]	0,29	0,001**
Kurtosis	-0,08 [-0,16; -0,001]	0,01 [ -0,08; 0,09]	0,02 [-0,09; 0,023]	-0,05 [-0,11; -0,016]	0,37	0,1
Bowley_skew	0,13 [0,11; 0,21]	0,15 [0,12; 0,18]	0,15 [0,12; 0,18]	0,17 [0,15; 0,19]	0,67	0,11
Moors_kurtosis	2,29 [2,25; 2,33]	2,24 [2,17; 2,30]	2,32 [2,25; 2,36]	2,24 [2,18; 2,28]	0,95	1
Mean_abs_slope	3,32 [3,07; 3,63]	5,40 [5,16; 5,61]	2,94 [2,71; 3,12]	5,42 [5,17; 5,90]	0,014*	0,14

Примечание: здесь и далее: * – статистически значимое различие между мужчинами с БА и контрольной группой, ** – статистически значимое различие между группами женщин с БА и здоровых женщин, Pitch mean – средняя частота основного тона, Pitch median – медиана частоты основного тона, Pitch std – среднеквадратичное отклонение частоты основного тона, Jitter local – локальный джиттер (локальная нестабильность периода основного тона), Shimmer local – локальный шиммер (локальная нестабильность амплитуды), Skewness – коэффициент асимметрии, Kurtosis – коэффициент эксцесса, Bowley skew – коэффициент асимметрии Боули, Moors kurtosis – коэффициент эксцесса Мурса, Mean abs slope – средний абсолютный наклон частоты основного тона.

Таблица 2 . Параметры хаотичности и сложности основного тона

Table 2 . Parameters of the randomness and complexity of the basic tone

Показатель	Группа				p
	1.1, n = 38	1.2, n = 60	2.1, n = 57	2.2, n = 106	группа 1.1/ группа 2.1	группа 1.2/ группа 2.2
Sample Entropy	0,59 [0,55; 0,61]	0,51 [0,47; 0,55]	0,60 [0,58; 0,65]	0,59 [0,56; 0,61]	0,28	0,001**
Approx Entropy	0,82 [0,78; 0,88]	0,75 [0,70; 0,78]	0,86 [0,82; 0,89]	0,87 [0,84; 0,89]	0,15	0,001**
Permutation Entropy	2,17 [2,11; 2,25]	2,18 [2,13; 2,20]	2,21 [2,18; 2,24]	2,19 [2,16; 2,20]	0,33	0,24
Spectral Entropy	7,54 [7,45; 7,62]	7,36 [7,23; 7,55]	7,22 [7,15; 7,41]	7,43 [7,36; 7,53]	0,027*	0,29
SVD Entropy	0,30 [0,27; 0,32]	0,29 [0,27; 0,31]	0,26 [0,25; 0,28]	0,26 [0,25; 0,27]	0,001*	0,001**
Hjorth Mobility	0,41 [0,38; 0,45]	0,37 [0,36; 0,40]	0,43 [0,41; 0,45]	0,41 [0,39; 0,43]	0,37	0,001**
Hjorth Complexity	3,48 [3,23; 3,83]	3,75 [3,59; 3,89]	3,29 [3,20; 3,57]	3,41 [3,29; 3,66]	0,41	0,001**
PetrosianFD	1,01 [1,01; 1,02]	1,014 [1,013; 1,015]	1,015 [1,014; 1,016]	1,015 [1,014; 1,015]	0,14	0,003**
KatzFD	2,84 [2,64; 2,95]	2,57 [2,48; 2,71]	2,75 [2,68; 2,84]	2,80 [2,75; 2,83]	0,34	0,001**
HiguchiFD	1,38 [1,35; 1,43]	1,33 [1,31; 1,35]	1,42 [1,41; 1,44]	1,41 [1,39; 1,42]	0,11	0,001**
DFA	1,08 [1,06; 1,11]	1,09 [1,07; 1,11]	1,08 [1,05; 1,12]	1,08 [1,07; 1,09]	0,55	0,33
LZIV	0,43 [0,38; 0,45]	0,39 [0,36; 0,41]	0,44 [0,43; 0,46]	0,44 [0,42; 0,44]	0,04*	0,001**

Примечание: Sample Entropy – выборочная энтропия, Approx Entropy – приближенная энтропия, Permutation Entropy – перестановочная энтропия, Spectral Entropy – спектральная энтропия, SVD Entropy – энтропия на основе сингулярного разложения, Hjorth Mobility – мобильность Хьорта, Hjorth Complexity – сложность Хьорта, PetrosianFD – фрактальная размерность Петросяна, KatzFD – фрактальная размерность Каца, HiguchiFD – фрактальная размерность Хигути, DFA – анализ детрендированных флуктуаций, LZIV – сложность Лемпеля – Зива.

ROC curves on test set

Рис. 1. ROC-кривые пяти бинарных классификаторов БА–здоровые для мужчин

• Fig. 1.    ROC curves of five Binary BA Classifiers-Healthy for men

Таблица 3 . Спектральные параметры речевого сигнала

Table 3 . Spectral parameters of the speech signal

Показатель	Группа				p
	1.1, n = 38	1.2, n = 60	2.1, n = 57	2.2, n = 106	группа 1.1/ группа 2.1	группа 1.2/ группа 2.2
f1, Гц	749,6 [701,7; 822,5]	655,3 [617,7; 731,8]	670,9 [616,4; 714,6]	598,6 [577,5; 630,6]	0,01*	0,002**
b1, Гц	500,1 [462,2; 546,12]	464,9 [398,5; 493,31]	501,4 [463,1; 518,3]	430,8 [410,47; 463,0]	0,74	0,04**
f2, Гц	2415,0 [2322,1; 2481,1]	2407,1 [2371,1; 2444,9]	2322,8 [2270,0; 2371,8]	2395,5 [2361,8; 2425,4]	0,02*	0,009**
b2, Гц	617,6 [599,6; 666,9]	621,12 [592,4; 665,4]	641,3 [628,4; 663,8]	640,4 [619,1; 658,2]	0,54	0,65
f3, Гц	3755,4 [3711,8; 3802,9]	3749,7 [3694,4; 3808,8]	3697,7 [3639,3; 3741,6]	3636,2 [3598,5; 3680,4]	0,1	0,001**
b3, Гц	688,1 [667,5; 716,3]	694,3 [654,2; 713,7]	672,6 [645,5; 692,5]	719,7 [704,4; 740,2]	0,27	0,004**
f4, Гц	4680,1 [4624,2; 4762,3]	4685,2 [4646,8; 4743,2]	4561,8 [4539,1; 4600,6]	4675,8 [4636,2; 4697,5]	0,001*	0,29
b4, Гц	798,3 [755,9; 856,8]	687,7 [626,7; 723,5]	727,1 [687,7; 773,8]	711,1 [694,2; 727,3]	0,09	0,18
mfcc_01_mean	178,04 [159,78; 210,84]	184,47 [161,58; 206,88]	295,48 [275,71; 322,19]	259,94 [252,08; 270,13]	0,001*	0,001**
mfcc_02_mean	59,81 [42,73; 67,80]	57,86 [38,57; 74,11]	39,60 [28,12; 51,13]	45,81 [36,85; 51,72]	0,02*	0,001**
mfcc_03_mean	85,84 [76,80; 99,10]	85,71 [74,25; 90,78]	94,07 [70,02; 103,78]	78,10 [64,77; 85,74]	0,49	0,004**
mfcc_04_mean	4,50 [-2,18; 18,67]	-2,79 [-6,68; 3,11]	26,66 [14,57; 39,38]	24,62 [14,82; 29,38]	0,09	0,99
mfcc_05_mean	35,56 [26,85; 43,82]	24,5003 [16,51; 31,72]	37,34 [16,41; 44,06]	25,69 [8,85; 29,85]	0,9	0,03
mfcc_06_mean	-10,45 [-16,39; -4,12]	-21,95 [-29,04; -14,37]	-0,64 [-11,95; 2,35]	-11,80 [-15,29; -8,53]	0,26	0,55
mfcc_07_mean	4,31 [0,98; 9,59]	-1,04 [-3,48; 3,74]	3,12 [-4,88; 7,39]	-7,54 [-13,02; -3,27]	0,35	0,49
mfcc_08_mean	-15,25 [-19,77; -7,98]	-24,21 [-26,51; -17,06]	-15,50 [-21,64; -12,31]	-23,88 [-26,86; -22,05]	0,43	0,001**
mfcc_09_mean	4,54 [1,30; 11,61]	0,05 [-4,41; 5,51]	11,09 [4,75; 14,99]	4,04 [1,05; 6,82]	0,28	0,21
mfcc_10_mean	-12,44 [-16,79; -8,02]	-16,57 [-21,56; -15,27]	-19,87 [-31,14; -16,75]	-21,91 [-25,57; -15,92]	0,001*	0,004**
mfcc_11_mean	9,86 [1,98; 13,54]	1,25 [ -2,44; 4,30]	9,77 [6,21; 13,62]	1,87 [0,53; 3,83]	0,59	0,58
mfcc_12_mean	-4,82 [-9,68; -0,76]	-14,89 [-17,69; -12,23]	-1,61 [-6,23; 1,88]	-13,94 [-16,58; -11,33]	0,07	0,002**
mfcc_13_mean	5,93 [0,46; 8,17]	-2,72 [-6,47; 0,27]	-0,29 [-3,76; 3,21]	-4,28 [-6,78; -1,02]	0,001*	0,008**

Примечание: f1–f4 – частоты 1–4-й форманты, b1–b4 – ширина полосы 1–4-й форманты, mfcc_n_mean – среднее значение n-го мел-частотного кепстрального коэффициента.

Таблица 4 . Метрики бинарных классификаторов БА-здоровые

Table 4 . Metrics of binary classifiers of BA-healthy

Классификатор	Мужчины			Женщины
	Точность	Полнота	F1-мера	Точность	Полнота	F1-мера
LogisticRegression	0,83 [0,75; 0,90]	0,77 [0,69; 0,85]	0,80 [0,74; 0,86]	0,81 [0,75; 0,86]	0,91 [0,86; 0,95]	0,86 [0,82; 0,89]
RandomForest	0,81 [0,73; 0,87]	0,80 [0,72; 0,87]	0,80 [0,74; 0,86]	0,81 [0,75; 0,86]	0,95 [0,92; 0,98]	0,88 [0,84; 0,91]
SVM_RBF	0,98 [0,95; 1,00]	0,88 [0,82; 0,94]	0,93 [0,89; 0,96]	0,85 [0,8; 0,9]	0,99 [0,97; 1,00]	0,91 [0,88; 0,94]
MLP	0,90 [0,84; 0,96]	0,83 [0,75; 0,89]	0,86 [0,81; 0,91]	0,79 [0,73; 0,84]	0,93 [0,89; 0,97]	0,85 [0,81; 0,89]
XGBoost	0,85 [0,78; 0,92]	0,80 [0,72; 0,88]	0,83 [0,77; 0,88]	0,85 [0,79; 0,90]	0,98 [0,96; 1,00]	0,91 [0,88; 0,94]

Примечание: Logistic Regression – логистическая регрессия, Random Forest – «случайный лес», SVM RBF – метод опорных векторов с ядром радиальной базисной функции, MLP – многослойный персептрон, XGBoost – экстремальный градиентный бустинг.

ROC curves on test set

0.2

---- Logistic Regression (AUC=0.828)

--- RandomForest (AUC-0,956)

--- SVM_RBF (AUC=0.972)

--- MLP (AUC=0.937)

--- XGBoost (AUC=0 981)

False Positive Rate

Рис. 2. ROC-кривые пяти бинарных классификаторов БА–здоровые для женщин

• Fig. 2.    ROC curves of five Binary BA Classifiers–Healthy for women

дель RandomForest в схеме LOPO достигла F1-меры 0,89 [0,82; 0,94] у женщин и 0,77 [0,68; 0,85] у мужчин. Shuffle-тест показал, что результаты классификации не являются случайными как у мужчин, так и у женщин. Разница по F1-мере между исходной моделью и моделью после случайного перемешивания меток классов составила 0,24 у мужчин и 0,47 у женщин.

Обсуждение

Настоящее исследование было направлено на оценку возможности использования голоса как дополнительного инструмента мониторинга БА. Полученные результаты показали статистически значимые различия по ряду параметров голоса у больных и у контрольной группы, при этом выраженность изменений зависела от пола. Выявленные различия могут быть обусловлены патофизиологией БА. Хроническое воспаление дыхательных путей, бронхоспазм и гиперсекреция слизи нарушают воздушный поток, что влияет на фонацию. Гортань и голосовые складки вследствие бронхиальной обструкции работают в условиях измененного подскладочного давления, которое, в свою очередь, влияет на стабильность колебаний голосовых складок.

У мужчин с БА отмечено увеличение джиттера, шим-мера и стандартного отклонения ЧОТ, что может отражать нарастание нестабильности голосообразования. Увеличение вариабельности основного тона согласуется с нарушением регуляции воздушного потока при бронхиальной обструкции. Кроме того, отмечено снижение двух энтропийных показателей и сложности по Лемпелю – Зиву (LZIV), а также изменение спектральных параметров. Снижение значений нелинейных параметров – энтропий и сложности по Лемпелю – Зиву – может интерпретироваться как уменьшение адаптивных возможностей системы фонации в условиях хронической патологии дыхательных путей.

У женщин статистически значимых различий больше во всех группах параметров – временных, нелинейных и спектральных, что может указывать на более выраженную перестройку голоса при БА. Особого внимания заслуживает снижение фрактальных размерностей (HiguchiFD, KatzFD) и мобильности Хьорта у женщин с БА по сравнению с контролем, что указывает на уменьшение сложности динамики ЧОТ. Снижение фрактальных характеристик согласуется с представлениями о том, что хронические патологические состояния приводят к утрате физиологической сложности биологических сигналов. В совокупности результаты свидетельствуют о наличии устойчивых акустических маркеров в обеих группах, что согласуется с данными предшествующих исследований [11]. Более выраженные изменения у женщин могут быть объяснены анатомическими, физиологическими, гормональными и иммунологическими различиями [12–14]. В частности, более узкий просвет дыхательных путей у женщин при одинаковой степени воспаления приводит к непропорционально большему относительному сужению и, следовательно, к более выраженному влиянию на подскладочное давление и фонацию.

Оценка качества классификации показала высокие значения метрик. Наилучшие результаты достигнуты для SVM c RBF ядром, при этом Random Forest и XGBoost также продемонстрировали сопоставимое качество на фиксированном разбиении выборки. Качество классификации сохранялось и при более строгом тестирова- нии по алгоритму LOPO, что указывает на устойчивые закономерности изменения голосового сигнала при БА. Дополнительная проверка с помощью shuffle-теста подтвердила, что результаты классификации не являются случайными. При использовании только трех наиболее информативных признаков качество классификации у женщин осталось на достаточно высоком уровне (F1 = 0,89), тогда как у мужчин снижение было значительнее (F1 = 0,77), что свидетельствует о более компактном признаковом пространстве у женщин. В целом полученные результаты согласуются с опубликованными ранее работами [15, 16].

Основными отличиями настоящего исследования от известных работ являются анализ свободной речи человека вместо использования тестовых гласных, дополнительное признаковое пространство нелинейных параметров ЧОТ. Кроме того, впервые проведено использование набора данных, акустический анализ голоса и извлечение речевых биомаркеров русскоговорящих пациентов с БА. Анализ свободной речи в большей мере соответствует условиям реального использования, поскольку не требует специальных фонационных проб и может быть реализован в условиях повседневного мониторинга.

Следует отметить, что полученные результаты отражают анализ данных в поперечном срезе и не позволяют оценивать динамику состояния пациентов во времени. Однако выявленные устойчивые различия между группами и высокая информативность ограниченного набора признаков создают предпосылки для использования представленного подхода в задачах мониторинга пациентов с БА. Принципиальное преимущество подхода состоит в его пассивности и отсутствии зависимости от усилий и приверженности пациента. Запись речи на смартфон не требует специальных навыков, не прерывает повседневную активность и дает возможность практически непрерывного наблюдения в амбулаторных условиях.

Высокая классификационная способность при использовании всего трех признаков существенна с инженерной точки зрения. Компактное признаковое пространство обеспечивает возможность реализации легких моделей на смартфоне без передачи аудио на сервер, что важно для соблюдения конфиденциальности медицинских данных.

Перспективным направлением является интеграция голосового анализа с существующими телемедицинскими платформами в качестве дополнительного пассивного канала. В рамках такой системы голосовые биомаркеры могут выполнять функцию триггера для своевременного направления пациента к врачу или коррекции терапии.

Ограничения исследования

Некоторым ограничением проведенного исследования служит разница в возрасте между практически здоровыми лицами и пациентами с БА, а также половые различия. В этой связи необходимо проведение дополнительных проспективных исследований по определению четких возрастно-половых различий голосовых биомаркеров и введение поправочных коэффициентов для популяционных исследований. Следующим необходимым шагом является многоцентровая валидация посредством проспективного когортного исследования с продольным дизайном, что позволит верифицировать чувствительность голосовых биомаркеров к динамике состояния пациента, оценить их прогностическую ценность в отно- шении обострений БА с целью внедрения результатов в системы телемедицины для дистанционного амбулаторного мониторинга.

Выводы

• 1.    Акустические параметры речи пациентов с БА статистически значимо отличаются от параметров здоровых лиц по временным, спектральным и нелинейным признакам. Степень и характер различий имеют половую специфичность, что требует раздельного анализа для мужчин и для женщин. У женщин изменения охватывают более широкий спектр параметров, что согласуется с большей тяжестью протекания БА, обусловленной анатомическими, гормональными и иммунологическими факторами.

• 2.    Наиболее информативными признаками для классификации являются mfcc_01_mean, mfcc_10_mean, shimmer local для мужчин и mfcc_01_mean, pitch_mean, approxEntropy для женщин. Принадлежность ведущих признаков к трем разным группам параметров подтверждает многомерный характер изменений голоса при БА.

• 3.    Классификаторы обеспечивают высокое качество разделения пациентов с БА и здоровых лиц. При валидации по схеме Leave-One-Patient-Out алгоритм RandomForest достиг F1-меры 0,84 у мужчин и 0,94 у женщин при AUC ROC 0,92 и 0,96 соответственно. Проведенный shuffle-тест подтвердил, что классификация основана на реальных акустических закономерностях.

• 4.    Сохранение высокого качества классификации при использовании только трех наиболее информативных признаков создает предпосылки для реализации простых моделей, пригодных для работы на смартфоне.

• 5.    Полученные результаты в целом подтверждают применимость голосового анализа свободной речи как инструмента для пассивного мониторинга БА. В отличие от традиционного контроля данный подход не требует специального оборудования, не зависит от усилий и приверженности пациентов, может обеспечить практически непрерывный мониторинг.

Декларация ИИ . В процессе подготовки рукописи авторы не использовали генеративные технологии искусственного интеллекта.