نموذج انحدار تكيفي لتشخيص مرض باركنسون من إشارات الصوت باستخدام تجميع قائم على Box-Cox وعشوائية مُفَرَّطة

لماذا يمكن أن يساعد الاستماع للأصوات في اكتشاف باركنسون مبكراً

يشتهر مرض باركنسون بالارتعاش وتيبّس العضلات، لكن قبل أن تصبح تلك الأعراض واضحة، يبدأ الصوت غالباً بالتغير بطرق دقيقة. وبما أن معظم الناس يحملون ميكروفوناً في هواتفهم المحمولة، فهذه التغيرات يمكن مراقبتها في المنزل، مما يحول الكلام العادي إلى نظام إنذار مبكر. تستعرض هذه الورقة كيفية بناء أداة ذكية وموثوقة "تستمع" وتستخدم تقنيات حاسوبية متقدمة لتقدير مدى شدة أعراض باركنسون لدى الشخص من صوته فقط.

تحويل تسجيلات المنزل إلى دلائل صحية ذات معنى

عمل الباحثون مع مجموعة بيانات صوتية غنية جُمعت من 42 شخصاً في مرحلة مبكرة من مرض باركنسون، حيث سجّل كل منهم أصوات حروف متحركة قصيرة في المنزل على مدى نحو ستة أشهر. من كل تسجيل، قاس النظام عشرات خصائص الصوت، مثل مدى ثبات النغمة من اهتزاز للحبال الصوتية إلى التالي (jitter)، ومقدار تذبذب الشدة (shimmer)، ومدى الضجيج أو النفسية في الصوت. لقد رُبطت هذه القياسات بطريقة تؤثر بها باركنسون على العضلات التي تتحكم في الكلام. لم يكن الهدف مجرد القول عما إذا كان لدى شخص ما باركنسون، بل توقع نتيجتين طبيتين مفصلتين، تُدَعَيان Motor-UPDRS وTotal-UPDRS، اللتان يستخدمهما الأطباء لتقييم شدة الأعراض بشكل عام.

تنظيف البيانات الفوضوية حتى تفهمها الحواسيب

يمكن أن تكون قياسات الصوت الخام فوضوية: بعض القيم مائلة بشدة، وبعضها يتضمن قيم شاذة قصوى، والعديد منها متداخل بشكل كبير مع أفكار متكررة. إذا أُدخِلَت هذه البيانات مباشرة إلى نموذج، فقد تربك عملية التعلم وتجعل النتائج هشة. لمعالجة ذلك، طبق الفريق أولاً خطوة رياضية لإعادة تشكيل البيانات تُدعى تحويل Box–Cox. ببساطة، هذا يمدد ويضغط البيانات بحيث تُروّض القيم المتطرفة ويبدو التوزيع العام أقرب إلى منحنى جرس ناعم، وهو ما تتعامل معه الكثير من خوارزميات التعلم بشكل أفضل. كما اهتموا بتقسيم البيانات حسب الشخص وليس حسب التسجيل، حتى لا يرى الحاسوب نفس المريض في كل من التدريب والاختبار، متجنّباً وهم الدقة العالية الناتج عن "تذكّر" الأصوات الفردية.

ترك البيانات تقرر أي ميزات الصوت مهمة فعلاً

العديد من الميزات الصوتية الستة والعشرين في مجموعة البيانات هي تباينات على نفس الفكرة — على سبيل المثال، عدة طرق لقياس اهتزاز النغمة أو تباين الشدة. بدلاً من إدخالها جميعاً في النموذج، جرب المؤلفون عدة استراتيجيات للاحتفاظ فقط بالأكثر فائدة. وكانت أنجح طريقة لديهم هي تجميع الميزات التي تتصرف بطريقة مشابهة إلى مجموعات ثم اختيار ممثل واحد من كل مجموعة بناءً على مدى ارتباطه بقوة بنتائج الأعراض. قلّص اختيار الميزات المعتمد على التجميع المجموعة الأصلية إلى ثلاث مؤشرات بارزة فقط: مقياس واحد لـ jitter، ومقياس واحد لـ shimmer، ومقياس واحد لضجيج الصوت العام. وبالرغم من هذا التبسيط الجذري، التقطت هذه الميزات الثلاث بعناية معظم المعلومات الطبية المخفية في التسجيلات.

استخدام أشجار قرار عشوائية لقراءة إشارات الصوت

مع الميزات الصوتية المبسطة، قارن الفريق مجموعة من أساليب التنبؤ، من صيغ خطية بسيطة إلى نماذج أشجار أكثر مرونة ومشفرات تلقائية على نمط الشبكات العصبية. الفائز الواضح كان نهج يُدعى Extra Trees، وهو تجميع لعديد من أشجار القرار التي تقسم البيانات بطرق عشوائية للغاية. هذه العشوائية، جنباً إلى جنب مع مجموعة الميزات المقلصة والأقل تكراراً، ساعدت النموذج على تجنّب الإفراط في التخصيص — أي حفظ خواص بيانات التدريب بدلاً من تعلم أنماط عامة. على مرضى لم تُستخدم تسجيلاتهم في التدريب، تنبأت تركيبة التجميع+Extra Trees بكل من درجات Motor وTotal UPDRS بدقة لافتة، مطابقةً الدرجات المقاسة بدرجة قربت الفروق عادةً إلى أقل من نقطة واحدة على مقاييس تمتد لأكثر من مئة نقطة.

ماذا يعني هذا للأشخاص الذين يعيشون مع باركنسون

للقراء غير المتخصصين، الرسالة الأساسية هي أن عددًا قليلاً من قياسات الصوت المختارة بعناية، بعد معالجتها عبر سلسلة تعلم مصممة بعناية، يمكن أن يتتبع شدة باركنسون بدقة تقارب الدقة السريرية — باستخدام تسجيلات تُؤخذ في المنزل. ورغم أن الدراسة لا تزال تعتمد على مجموعة بيانات واحدة وستحتاج إلى اختبار في مجموعات أكبر وأكثر تنوعًا من المرضى، إلا أنها تُبيّن مسارًا واعدًا نحو الطب التقليبي عن بُعد: مستقبل قد يساعد فيه تسجيل صوتي قصير المرضى والأطباء على متابعة تطور المرض، وضبط الأدوية، وربما رصد تدهور الأعراض في وقت أبكر، وكل ذلك دون الحاجة إلى زيارة العيادة.

الاستشهاد: Essam, M., Balat, M., Zaky, A.B. et al. Adaptive regression model for Parkinson’s disease diagnosis from speech signals using Box-Cox-based clustering and extremely randomization. Sci Rep 16, 14044 (2026). https://doi.org/10.1038/s41598-026-49065-2

الكلمات المفتاحية: مرض باركنسون, تحليل الصوت, تعلم الآلة, المراقبة عن بُعد, اختيار الميزات