Clear Sky Science
הסברים מבוססי ראיות, עם מעט ז'רגון

Clear Sky Science · he

שימוש בלמידת מכונה וקול למיון מרובה-מעמדות של מחלת פרקינסון, COPD ובקרות בריאות

· חזרה לאינדקס

להקשיב למחלה דרך הקול האנושי

רובנו לא חושבים לעתים קרובות עד כמה הקול שלנו חושף את מצב הבריאות. עם זאת, שינויים עדינים בגובה הטון, ביציבות או בנשיפה יכולים לשאת רמזים להפרעות המשפיעות על המוח והריאות. המחקר הזה בוחן האם הקלטה קצרה של אדם שמחזיק את התנועה "אה" לסמארטפון, בשילוב עם למידת מכונה מודרנית, יכולה לעזור להבחין בין אנשים עם מחלת פרקינסון, אנשים עם מחלת ריאות חסימתית כרונית (COPD) ובוגרים בריאים.

Figure 1. צלילים פשוטים של תנועת תנועה מוקלטים בטלפון זורמים למודל שממיין קולות לקבוצות פרקינסון, COPD או בריאים.
Figure 1. צלילים פשוטים של תנועת תנועה מוקלטים בטלפון זורמים למודל שממיין קולות לקבוצות פרקינסון, COPD או בריאים.

מדוע פרקינסון ו-COPD משפיעים על איך אנו נשמעים

מחלת פרקינסון ידועה בעיקר ברעידות ובקושי בתנועה, אך לעתים קרובות גם גורמת לדיבור חלש יותר, מונוטוני ופחות ברור. COPD, מחלת ריאות כרונית, מקטינה את קוטר דרכי הנשימה ומקשה על הנשימה, מה שיכול לגרום לקול להיות חלש, מחוסק או נשימתי. למרות ששתי המחלות משפיעות על פעולת יצירת הקול הפשוטה, לרופאים עדיין חסרים בדיקות מהירות ואובייקטיביות המבוססות על הקול. רוב המחקרים הקודמים ביקשו מהמחשבים להחליט רק בין "חולה" ל"בריא", בדרך כלל עבור מחלה אחת בכל פעם ובשפה אחת. החוקרים כאן שאלו שאלה קשה ומציאותית יותר: האם מערכת אחת יכולה להקשיב לצלילי דיבור מאוד פשוטים, בשפות שונות, ולמיין אנשים לשלוש קבוצות בו־זמנית?

כיצד החוקרים אספו ועיבדו את הקולות

הצוות שילב שתי אוספות קול גדולות שהוקלטו במכשירים ניידים. אחת, מפרויקט mPower, כללה דוברים דוברי אנגלית עם מחלת פרקינסון ומתנדבים בריאים. השנייה, הנקראת COPDVD, כללה דוברים דוברי שבדית עם COPD ובקרות בריאות תואמות. כדי להשוות בין הקבוצות, בחרו החוקרים בזהירות מספרים דומים של גברים ונשים, עם גילאים ומספרי הקלטות קרובים, והתקבלו בסופו של דבר 96 אנשים ו-1,723 הקלטות שמישות של התנועה הממושכת "אה". הם הסירו קטעים שקטים, ולאחר מכן הפכו כל הקלטה לתיאור בן 102 מספרים שתפס מדדים בסיסיים של הקול כמו גובה ומחוספסות, וכן טביעות ספקטרליות מפורטות הידועות כ-Mel Frequency Cepstral Coefficients.

Figure 2. קול אחד נהפך לתבניות אקוסטיות, עובר דרך ארבעה מודלים שמצביעים יחד, ומסתיים כשלוש אשכולות קול מופרדים.
Figure 2. קול אחד נהפך לתבניות אקוסטיות, עובר דרך ארבעה מודלים שמצביעים יחד, ומסתיים כשלוש אשכולות קול מופרדים.

להדריך צוות מצביעים של אלגוריתמים להאזין

במקום להסתמך על שיטת למידת מכונה אחת, בנו החוקרים "ועד הצבעה" של ארבעה ממייני שונות. כל אלגוריתם הקשיב למערכת התכונות של ההקלטה והפיק את הניחוש שלו אם היא שייכת לפרקינסון, COPD או בקרה בריאה, יחד עם הסתברות לכל אפשרות. הסתברויות אלה ממוצעות כך שהתשובה הסופית משקפת את הקונצנזוס של הקבוצה. כדי להימנע מהטעיות של התאמה מופרזת, השתמשו הצוות באסטרטגיית אימון מחמירה: המודלים כוונו ונבדקו פעמים רבות על קיפולים נפרדים של הנתונים, וביצועי הסיום הוערכו על סט נפרד של אנשים שהקלטותיהם לא נחשפו לאלגוריתמים במהלך האימון.

מה המערכת שמעה בקולות

בסט המבחן העצמאי הזה, הוועד הגיע לכדי דיוק כללי של כ-84 אחוז וניקוד F1 מאוזן קצת מתחת ל-0.84, כלומר עבד היטב בכל שלושת הקבוצות למרות הבדלים בגודל המדגם. המערכת הייתה טובה במיוחד בזיהוי מחלת פרקינסון, שקיבלה את הדיוק והקיראה הגבוהים ביותר. קולות בריאים סווגו בהצלחה בינונית, בעוד שקולות COPD היו הקשים ביותר לזיהוי ונבלבלו בעיקר עם הקלטות בריאות. בדגש, פרקינסון ו-COPD כמעט ולא הוטעו זה עם זה, מה שמרמז שהחתימות הקוליות שלהם, אף שניהם חריגות, שונות בדרכים שהאלגוריתמים יכלו לגלות. כשבחנו החוקרים כיצד התנועות ממלאות את ה"מרחב" האקוסטי המוגדר על ידי תדירויות תהודה, מצאו שינויים ופיזורים עדינים אך עקביים בין שלוש הקבוצות, אפילו כשהשפות השונות היו מעורבות.

להציץ בתוך הקופסה השחורה

כדי להבין מה הנחה את החלטות המערכת, השתמש הצוות בכלי הסבר מודרני המעניק ציון השפעה לכל תכונה קולית. הם גילו שהתכונות האקוסטיות החשובות ביותר אינן זהות לכל קבוצה. גיל, צורות ספקטרליות מפורטות ומדדים הקשורים לגובה הטון — כולם היו חשובים, אך בשילובים שונים עבור פרקינסון, COPD ובקרות בריאות. למשל, תיאורי ספקטרום ותבניות פורמנט מסוימים השפיעו יותר על COPD, בעוד שמצבי ספקטרום וגורמי גובה טון מסוימים שיחקו תפקיד חזקה יותר בפרקינסון. תבנית זו מצביעה על כך שהמודל אכן למד היבטים ספציפיים למחלה של אופן יצירת התנועה הממושכת, במקום רק לזהות שקול נשמע "חריג".

מה זה עשוי להצביע עבור הטיפול היומיומי

במילים פשוטות, עבודה זו מראה כי "אה" קצר וממושך שמוקלט במכשיר נייד רגיל יכול להכיל מספיק מידע עבור מערכת למידת מכונה מתוכננת בקפידה להבחין בין בעיות קול הקשורות למוח או לריאות וקולות של הזדקנות נורמלית. הגישה אינה מחליפה אבחנה רפואית, ויש צורך במחקרים רחבים ומגוונים יותר, אך היא מצביעה לעתיד שבו בדיקות קול מהירות ולא פולשניות יוכלו לסייע לרופאים בסינון ומעקב של אנשים עם פרקינסון או COPD, גם בשפות ובסביבות שונות.

ציטוט: Idrisoglu, A., Behrens, A. Use of machine learning and voice for multiclass classification of Parkinson’s disease, chronic obstructive pulmonary disease, and healthy controls. Sci Rep 16, 15485 (2026). https://doi.org/10.1038/s41598-026-53409-3

מילות מפתח: מחלת פרקינסון, COPD, סמן ביומטרי וקולי, למידת מכונה, בריאות ניידת