Согласно результатам исследования, опубликованным в журнале Американской ассоциации кардиологов (Journal of the American Heart Association), анализ голосовых сигналов стал новым биомаркером, позволяющим определить, какие пациенты с застойной сердечной недостаточностью находятся в группе повышенного риска смерти или длительной госпитализации.
В научном исследовании, проводимым Медицинским центром Шиба и клиникой Mayo, приняли участие 10583 пациента с хроническими болезнями сердца, включая застойную сердечную недостаточность. Пациенты регистрировались в колл-центре телемедицины Шибы.
Используя технологию обработки голосовых сигналов, разработанную компанией Vocalis Health, исследователи проанализировали 20 секунд речи каждого пациента и получили 223 акустических признака. Затем, на основе 8316 пациентов учебной когорты, не страдающих застойной сердечной недостаточностью, был разработан голосовой биомаркер. Ученые протестировали этот биомаркер на 2267 пациентах с застойной сердечной недостаточностью, которые были распределены по квадрилям биомаркера (четыре равные группы). Средний возраст пациентов с застойной сердечной недостаточностью составлял 77 лет, 63% из них были мужчины.
“Это очень простой, неинвазивный и понятный метод, – объяснил профессор Элад Маор, бывший сотрудник клиники Mayo, доцент кафедры кардиологии в Тель-Авивском университете и в Медицинском центре Шиба. – Пациенты записывают свою речь постоянно. Они звонят по телефону, пользуются услугами телемедицины, особенно сейчас, во время пандемии COVID-19. Они записывают себя, когда пользуются Siri, Alexa или Google в целях поиска информации”.
Медсестры центра телемедицины Шибы собрали 20-секундные записи голосов пациентов из периодических телефонных разговоров. Профессор Маор и другие участники научно-исследовательской группы рассказали, как при помощи процессора речевой информации они извлекли низкоуровневые акустические характеристики из образцов разговора с разрешением 100 точек в секунду и создали матрицу в 2000 колонок. Параметры включали в себя измерения высоты тона и форманты, мел-частотных кепстральных коэффициентов, громкости, дрожания и прерывистости голоса. Затем из матрицы были извлечены высокоуровневые характеристики. Таким образом, исследователи получили 223 признака для каждого образца голоса. В конечном итоге для создания линейной модели с алгоритмами машинного обучения использовалась учебная когорта, наряду с группой пациентов с застойной сердечной недостаточностью. Исследование проводилось слепым методом.
Первичный результат исследования: смертность наблюдалась в 36% случаев течение среднего периода наблюдения в 20 месяцев. Согласно анализу выживаемости Каплана-Мейера, кумулятивная вероятность смерти выше в более высоких квадрилях – от 23% в квартиле 1 и до 54% в квартиле 4. Кроме того, каждое повышение стандартного отклонения голосового биомаркера было сопряжено с повышением риска смерти на 32% в период наблюдения.
В группе пациентов с застойной сердечной недостаточностью каждое стандартное отклонение голосового биомаркера сопровождалось более высоким риском госпитализации (почти 25%) в период наблюдения.