این یکی از سرطانهای نسبتاً نادر اما جدی اما جدی است که با علائمی مانند سرطان حنجره ، گرفتگی صدا ، سرفه دائمی و مشکل در بلع شناخته شده است.
تشخیص زودرس نقش مهمی در افزایش شانس درمان موفق دارد. روشهای تشخیصی متداول مانند لارنگوسکوپی و نمونه برداری تهاجمی و پرهزینه است.
تحقیقات اخیر نشان داده است که الگوریتم های یادگیری ماشین می توانند خصوصیات صوتی را تجزیه و تحلیل کنند و به بیماری کمک می کنند تا به شروع و غربالگری غیر تهاجمی کمک کند.
یک تیم تحقیقاتی با بررسی ضبط صدا 1.2 به دنبال الگوهای پنهان در خصوصیات صوتی صوتی بود. در این مطالعه:
نسبت هارمونیک / نویز (HNR) به عنوان شاخص سوئیچ مورد بررسی قرار گرفت.
این ویژگی قادر به تعیین تفاوت بین سرطان حنجره ، ضایعات خوش خیم و اختلالات صوتی در مردان بود.
تفاوت آماری معنی داری در مثالهای زنان وجود نداشت. با این حال ، محققان امیدوارند که مجموعه داده های بزرگتر بتواند این محدودیت را در آینده حذف کند.
یافته ها نشان داده اند که خواص آکوستیک حساس ممکن است نقش مهمی در تشخیص زودرس ضایعات سرطانی داشته باشد. این کشف ممکن است بنیانگذار توسعه ابزارهای اسکن دیجیتال باشد. چنین ابزارهایی حتی به پزشکان عمومی یا غیر خاص اجازه می دهد بدون نیاز به روشهای تهاجمی در معرض خطر باشند.
به داده های متنوع و بزرگتر به خصوص برای صداهای زن نیاز دارد.
برای جلوگیری از تأثیر عوامل محیطی ، باید ضبط صوتی را استاندارد کنید.
توانایی ادغام این فناوری را در برنامه های تلفن همراه یا تجهیزات ساده پزشکی بررسی کنید.
استفاده از هوش مصنوعی در تجزیه و تحلیل صدا می تواند یک انقلاب در حوزه پزشکی ایجاد کند.
اگرچه هنوز در مراحل اولیه است ، اما نوید آینده ای را می دهد که در آن تنها یک نمونه کوتاه از صدای بیمار می تواند اولین علائم سرطان حنجره را تعریف کند و یک گام مهم برای تشخیص زودهنگام و افزایش امید به زندگی انجام دهد.
منبع: Multipm