Анализ тонких изменений речи, тембра, ритма, артикуляции и дыхания с помощью алгоритмов искусственного интеллекта позволяет выявлять признаки заболеваний задолго до появления выраженных клинических симптомов. Речь идет о широком спектре патологий — от болезни Паркинсона, болезни Альцгеймера, депрессии и когнитивного упадка до сердечной недостаточности и диабета 2-го типа. Однако до сих пор широкое применение технологии сдерживалось отсутствием единых клинических правил и стандартов оценки, сообщается в материале портала MedicalXpress.
Проблема «островов данных» и деградации алгоритмов
Главным барьером для внедрения голосовых биомаркеров в реальную медицинскую практику оставалась проблема низкой воспроизводимости результатов. Модель, демонстрирующая точность в 87% в рамках лабораторного эксперимента, часто теряет эффективность при тестировании в клинике с другим оборудованием, уровнем фонового шума или на иной демографической группе.
На акустические характеристики голоса влияют множество факторов: возраст, пол, родной язык, диалект, физический стресс, тип микрофона и акустика помещения. Без общей стандартизации каждое отдельное исследование превращалось в изолированный «остров данных», несопоставимый с другими публикациями, что препятствовало накоплению доказательной базы.
Международный консенсус VOCAL
Для преодоления терминологического и методического хаоса европейская сеть eVoiceNet (координируемая Люксембургским институтом здоровья, LIH) и североамериканский консорциум Bridge2AI-Voice (под руководством Университета Южной Флориды, USF) в 2024–2025 годах провели масштабную консенсусную работу. Результатом стала публикация в журнале Digital Biomarkers первого международного стандарта в рамках инициативы VOCAL (Vocal Biomarker Guidelines for Ontology, Classification, Application and Logistics), объединившей 24 экспертов из Европы и Северной Америки.
Рекомендации VOCAL и профильных экспертов закладывают следующие фундаментальные требования:
- Единые протоколы записи: нормализация типа микрофонов и устройств, условий окружения (расстояние до датчика, фоновый шум), а также стандартизация тестовых речевых заданий (чтение текста, спонтанная речь, повторение слогов).
- Разнообразие обучающих выборок: защита от экстраполяции моделей за счет включения данных пациентов разного возраста, пола, этнической принадлежности, с разным языком и акцентом.
- Прозрачная отчётность (Model-Cards): обязательное документирование состава обучающих датасетов и метрик работы алгоритма на внешних независимых популяциях.
- Разграничение скрининга и диагностики: четкое разделение регуляторных требований и уровней доказательности для инструментов, определяющих лишь риски (скрининг), и систем, претендующих на постановку диагноза.
- Иерархическая классификация биомаркеров: систематизация параметров по специфическим доменам — от кардио-респираторных акустических и голосовых до речевых (артикуляция, ритм) и когнитивно-языковых.
Текущий статус технологий и перспективы
Наиболее продвинутые результаты демонстрируют алгоритмы в нейродегенеративной области: изменения голоса при болезни Паркинсона (тремор, монотонность, затрудненная артикуляция) хорошо задокументированы и уже проходят клинические испытания. В психиатрии (депрессия, БАР, ПТСР) доказательная база накоплена, но требует повышения качества данных. При этом громкие заявления некоторых компаний о возможности «диагностики» по голосу рака, инсульта или COVID-19 эксперты считают существенным опережением реальной доказательной базы.
Главная долгосрочная цель участников инициативы — превратить обычный смартфон в надежный инструмент первичного скрининга. Внедрение единых стандартов позволит перевести голосовые биомаркеры из статуса экспериментальных алгоритмов в категорию официально регулируемых физиологических сигналов.
