Biomarcadores para identificação de insuficiência respiratória: um estudo acústico
Carregando...
Data
Autores
Orientador
Berti, Larissa Cristina. 
Coorientador
Pós-graduação
Ciências da Saúde e Comunicação Humana - FFC
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Tese de doutorado
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
Introdução: A área da voz tem se mostrado uma das precursoras no uso da inteligência artificial (IA) para a classificação e identificação de questões clínicas, oferecendo novas possibilidades para as áreas da saúde. No entanto, os algoritmos utilizados nem sempre elucidam quais características são apreendidas do sinal de áudio para a tomada de decisão. Torna-se fundamental, portanto, aliar aos estudos de IA, investigações que busquem identificar características preditivas para determinadas condições clínicas. Objetivos: Analisar e comparar os parâmetros acústicos de voz e fala em sujeitos com e sem Insuficiência Respiratória (IR) causadas pela COVID19 e verificar quais deles são preditivos para IR. Espera-se que haja diferenças nos parâmetros acústicos de voz e fala entre indivíduos com e sem insuficiência respiratória, bem como que esses parâmetros possam atuar como preditores da condição respiratória. Método: Foram analisados os áudios de 193 indivíduos, de ambos os sexos, divididos em dois grupos: grupo controle (n=93) e sujeitos com IR (n=100). As amostras de fala consistiram na produção de uma sentença contendo 16 palavras, 30 sílabas e 60 fones. A sentença foi elaborada de maneira que, caso pausas sejam realizadas, elas ocorram condicionadas a restrições de constituência prosódica. Uma vez selecionados os arquivos de áudio do banco de dados, utilizou-se o software Praat (versão 6.3.16 de agosto de 2023) para viabilizar a análise acústica e segmental das produções dos sujeitos. Foram adotados para análise os seguintes parâmetros acústicos da fala: número de pausas, média das pausas, tempo total do enunciado, número de palavras, sílabas e fones por segundo; e da voz: frequência fundamental média, mínima, máxima e desvio padrão da f0, extraídos de enunciado. O estudo foi aprovado pelo Comitê de Ética em Pesquisa, sob número: 30918120.0.3002.5483. Resultados: Os resultados da ANOVA Fatorial com um nível de significância menor que 0,05 indicaram diferenças significativas entre os grupos em todos os parâmetros de fala analisados, independentemente do sexo. Os sujeitos com IR apresentaram maior número e duração média de pausas, maior tempo total de enunciado e menor taxa articulatória, com menos palavras, sílabas e fones por segundo, comparado ao grupo controle. Na análise dos aspectos relacionados à voz, foram observadas diferenças na frequência fundamental média (F0), tanto entre os sexos quanto entre os grupos, com as vozes dos pacientes sendo mais agudas. No entanto, o desvio padrão da F0 não apresentou diferença significativa entre os grupos. O F0 mínimo variou conforme o sexo, e houve uma interação significativa entre sexo e grupo, especialmente com uma maior mudança na voz dos homens com IR, possivelmente atribuída aos fatores nutricionais e/ou alterações na massa e tensão das pregas vocais, associadas à inflamação e ao esforço respiratório aumentados. Na análise de regressão, os coeficientes de regressão indicaram que o tempo total do enunciado, o número de pausas e a média das pausas se mostraram significativos para a identificação da IR (β= -0,551; 0,394 e 0, 379, respectivamente). Conclusão: Parâmetros da fala se mostraram preditivos para a identificação da IR. Os parâmetros de fala podem ser utilizados como marcadores clínicos para a presença da IR e, ainda, podem ser testados como biomarcadores utilizando a IA para implementação de sistema de rastreio de sujeitos com insuficiência respiratória.
Resumo (inglês)
Introduction: The field of voice has emerged as one of the pioneers in applying artificial intelligence (AI) for the classification and identification of clinical conditions, offering new opportunities for healthcare. However, the algorithms used do not always clarify which features of the audio signal are being learned to support decision-making. Therefore, it is essential to combine AI studies with investigations aimed at identifying predictive features for specific clinical conditions. Objective: To analyze and compare acoustic parameters of speech and voice in individuals with and without respiratory failure (RF) and to determine which of these parameters are predictive of RF. Method: Audio samples from 193 individuals of both sexes were analyzed and divided into two groups: control group (n=93) and individuals with RF (n=100). The speech samples consisted of a sentence containing 16 words, 30 syllables, and 60 phones, designed so that any pauses would occur in accordance with prosodic constituency constraints. Once the audio files were selected from the database, the Praat software (version 6.3.16, August 2023) was used for acoustic and segmental analysis of the speech samples. The study was approved by the Research Ethics Committee under protocol number: 30918120.0.3002.5483. Results: Factorial ANOVA with a significance level of <0.05 indicated statistically differences between groups in all speech parameters, regardless of sex. Individuals with RF exhibited a higher number and longer duration of pauses, longer total utterance time, and lower articulation rate, with fewer words, syllables, and phones per second compared to the control group. In the analysis of voice-related aspects, differences were found in the average fundamental Frequency (f₀) between sexes and between groups, with patients’ voices being higher-pitched. However, the standard deviation of f₀ did not differ significantly between groups. Minimum f₀ varied by sex, with a significant interaction between sex and group - particularly among men with RF, possibly due to nutritional factors and/or changes in vocal fold mass and tension associated with inflammation and increased respiratory effort. In the regression analysis, the coefficients indicated that total utterance time, number of pauses, and average pause duration were significant predictors of RF (β = -0.551; 0.394; and 0.379, respectively). Conclusion: Speech parameters proved to be predictive for identifying respiratory failure. These speech features may be tested as biomarkers using AI for the development of screening systems for individuals with respiratory failure.
Descrição
Palavras-chave
Distúrbios da voz, Fonética acústica, Som, COVID-19 (Doença), Voz, Insuficiência respiratória, Voice disorders, Phonetics, Acoustic, Sound, COVID-19 (Disease), Voice, Respiratory insufficiency
Idioma
Português
Citação
QUIRINO, José Henrique de Moura. Biomarcadores para identificação da insuficiência respiratória: um estudo acústico. 2025. Tese (Doutorado em Ciências da Saúde e Comunicação Humana) - Faculdade de Filosofia e Ciências, Universidade Estadual Paulista (UNESP), Marília, 2025.
