Aplikasi Mendeteksi Penyakit Parkinson Dan COVID-19 Melalui Audio

Salah satu tantangan dalam mendiagnosis penyakit adalah mengidentifikasinya sejak dini. Pada tahap ini, tanda mungkin tidak jelas atau membingungkan, atau sulit diidentifikasi. Diagnosis dini sering dikaitkan dengan kemungkinan hasil pengobatan terbaik, jadi ada banyak insentif untuk meningkatkan metode dengan cara ini.

Metode baru berbasis suara untuk mendiagnosis penyakit terbukti bermanfaat dalam hal ini. Itu bergantung pada teknik pembelajaran mesin untuk mendeteksi ketika pasien mungkin menderita kondisi tertentu.

Biarkan Aku Mendengarmu Berkata /a/

Pola bicara dan kualitas suara pasien secara umum telah lama menjadi alat diagnostik yang penting bagi dokter. Mereka sangat relevan dengan kondisi neurologis. Jika otak atau sistem saraf tidak berfungsi dengan baik, bicara bisa terpengaruh.

Aplikasi smartphone sederhana digunakan untuk mengambil sampel audio dari pasien. Sistem ini dapat menangani tingkat kebisingan latar belakang di kantor dokter pada umumnya, dan memberi tahu pasien tentang suara yang benar untuk membuat diagnosis. Kredit: Youtube – Spektrum IEEE

Para peneliti di Royal Melbourne Institute of Technology (RMIT) mengembangkan metode untuk mendeteksi tanda-tanda halus penyakit menggunakan suara pasien. Idenya adalah menggunakan algoritme pembelajaran mesin untuk menentukan apakah pelafalan suara tertentu oleh pasien merupakan indikasi penyakit. Tujuan utamanya adalah untuk mengidentifikasi adanya penyakit Parkinson melalui pengambilan sampel pasien yang berbicara beberapa bunyi bahasa Inggris yang normal. Penelitian harus mencapai tujuan ini terlepas dari variasi alami suara dari orang ke orang. 36 pasien dengan penyakit Parkinson direkrut untuk penelitian, bersama dengan 36 sukarelawan sehat.

Sesuai studi yang diterbitkan, peserta penelitian diminta untuk mengucapkan tiga fonem – /a/, /o/, dan /m/. Itulah suara di tengah-tengah suara “mobil”, suara “oh”, dan suara “mmmm”. Fonem ini membutuhkan penggunaan tenggorokan, mulut, dan saluran hidung untuk mengeluarkan suara. Algoritme pembelajaran mesin dilatih untuk menentukan perbedaan suara antara pasien Parkinson dan sukarelawan sehat. Dimaksudkan untuk digunakan dalam pengaturan klinis biasa, algoritme ini dirancang untuk bekerja dengan sampel audio yang diambil dari pasien menggunakan smartphone biasa dengan tingkat kebisingan latar belakang yang wajar. Sebuah aplikasi digunakan untuk mengumpulkan data, dan disiapkan untuk memandu pasien membuat suara yang tepat dengan sampel vokal dari fonem yang tepat.

Sampel suara dianalisis untuk ciri-ciri yang dapat menjadi indikasi penyakit. Suatu penyakit dapat memengaruhi parameter seperti kekuatan vokal atau stabilitas nada, atau menimbulkan kualitas goyah pada fonem. Kredit: YouTube – Spektrum IEEE

Dalam pengujian, itu mampu mengidentifikasi pasien dengan penyakit Parkinson 100% dari waktu. Analisis kombinasi fitur dari ketiga fonem ditemukan sebagai metode deteksi yang paling andal. Pengujian terbatas pada pasien dari satu wilayah geografis, dan hanya menggunakan satu model smartphone, di antara keterbatasan lainnya. Namun, ini menunjukkan bahwa mungkin ada potensi untuk mengembangkan metode diagnostik penyakit Parkinson menggunakan perangkat keras smartphone yang tersedia untuk menangkap sampel audio dan memprosesnya dengan aplikasi.

Teknik yang sama kemudian diterapkan untuk mendiagnosis pasien COVID-19 dalam sebuah penelitian di Indonesia. Dalam hal ini, fonem yang digunakan untuk analisis diperluas menjadi bunyi /e/, /i/, dan /u/ selain bunyi /a/, /o/, dan /m/. Penelitian berlangsung selama 22 hari, dan melibatkan 40 pasien yang dirawat di rumah sakit dengan COVID-19. 48 subjek sehat merupakan kelompok kontrol. Dalam kasus ini, analisis fitur suara dari suara /i/ ditetapkan sebagai yang paling indikatif, saat ditangkap dalam waktu tiga hari setelah masuk rumah sakit. Metode ini memiliki akurasi 94%. Ini semua lebih mengesankan untuk metode berteknologi rendah yang digunakan. Sampel suara ditangkap dengan kecepatan sampel hanya 8 kHz, untuk mewakili kemampuan ponsel 2G dan 3G berteknologi rendah.

Pekerjaan tersebut menunjukkan bahwa berbagai penyakit berpotensi didiagnosis berkat perubahan tanda dalam ucapan pasien. Tentu saja, studi yang lebih ketat akan diperlukan sebelum metode tersebut menjadi arus utama. Selain itu, sementara metode tersebut dapat menjadi indikasi penyakit, teknik vokal tidak mungkin menjadi diagnosis standar emas tunggal untuk sebagian besar penyakit. Diagnosis kimia yang lebih langsung dan kurang subyektif lebih disukai daripada mengandalkan intuisi sistem pembelajaran mesin kotak hitam. Namun, untuk penyakit yang sulit didiagnosis, memiliki sistem yang menawarkan beberapa panduan indikatif dapat menjadi sangat penting. Harapkan teknik ini menjadi lebih halus dan menjadi bagian utama dari pengobatan modern di masa depan.