Labmedya - Laboratuvar ve Sağlık Gazetesi

Araştırmacılar konuşmacı doğrulama sistemlerinde kullanılan i-vector ve ECAPA-TDNN gömme temsillerinden yararlandı. Bu yöntemler sesin perde, tını, rezonans ve konuşma yolunun anatomik özelliklerine ilişkin çok boyutlu örüntüler çıkarıyor. Modeller, polisomnografi etiketleriyle eğitildi ve küçük veri kümesinin yol açabileceği aşırı öğrenme riskine karşı kontrollü değerlendirme uygulandı.

Sonuçlar, gündüz konuşmasında apneyle ilişkili ayırt edilebilir sinyaller bulunduğunu ve özellikle modern derin öğrenme temsillerinin tarama potansiyeli taşıdığını gösterdi. Olası açıklamalar arasında üst hava yolu anatomisi, kronik doku değişiklikleri, obeziteyle ilişkili ses yolu özellikleri ve gece boyunca tekrarlanan tıkanmaların sese bıraktığı dolaylı izler bulunuyor. Bununla birlikte ses, yaş, cinsiyet, dil, sigara kullanımı ve kayıt cihazından da güçlü biçimde etkileniyor.

En önemli sınırlılık, klinik veri kümesinin küçük ve tek bağlama bağlı olması. Bu nedenle model performansı farklı dillerde, telefon mikrofonlarında veya genel nüfusta aynı olmayabilir. Çalışma, ses kaydının polisomnografi ya da hekim değerlendirmesinin yerini aldığını göstermiyor; yalnızca gelecekteki ölçekli doğrulamalar için bir ön kanıt sunuyor.

Araştırmanın sonraki adımı daha büyük, çok merkezli ve demografik açıdan çeşitli gruplarda dış doğrulama yapmak. Başarılı olursa konuşmaya dayalı tarama, özellikle uyku laboratuvarına erişimin sınırlı olduğu bölgelerde erken yönlendirmeyi kolaylaştırabilir. Mahremiyet, ses biyometrisinin saklanması ve algoritmik önyargı ise klinik uygulama öncesinde çözülmesi gereken konular arasında.

Kaynak: https://www.nature.com/articles/s41598-026-68397-7