甲状腺切除術後の声障害の患者における潜在的音響バイオマーカーのSHAPベースの識別
Salih Celepli1,2, Irem Bigat2, Bilgi Karakas1
1Department of General Surgery, Gulhane Training and Research Hospital, Ankara 06010, Turkey.
Diagnostics (Basel, Switzerland)
|August 28, 2025
まとめ
研究者は機械学習を使用して,甲状腺切除後の声障害 (PTVD) の音響バイオマーカーを特定しました. iCPP,aCPP,aHNRのような機能は 甲状腺手術後の早期診断と パーソナライズされた声療法を 約束しています
科学分野:
- 耳鼻喉科
- 言語科学
- コンピュータ生物学
背景:
- 甲状腺切除術後の声の障害 (PTVD) は多くの患者に影響し,客観的な診断ツールが必要です.
- PTVDの現在の診断方法は主観的であり,強力なバイオマーカーの必要性を強調しています.
- PTVDの早期発見は,適時かつパーソナライズされた治療介入に不可欠です.
研究 の 目的:
- 機能的な甲状腺切除後の声障害 (PTVD) の信頼性の高い音響バイオマーカーを特定する.
- 音響分析と説明可能な機械学習を活用して 早期のPTVD診断を行うこと
- 甲状腺手術後の声の変化を経験する患者のためのパーソナライズされた治療戦略をサポートします.
主な方法:
- 持続した母音 /a/ と /i/ の記録からスペクトルとセプストラルの特徴の抽出.
- 支援ベクトルマシン (SVM) の訓練と分類のためのブーストモデル.
- SHAPLEY ADDITIVE EXPLANATIONS (SHAP) をバイオマーカーの解釈性と一貫性分析のために適用する.
主要な成果:
- GentleBoost (AUC=0. 85) とLogitBoost (AUC=0. 81) は,最も高い分類性能を達成しました.
- iCPP,aCPP,aHNRは安定したSHAP値を持つ安定した音響バイオマーカーとして特定されました.
- これらのバイオマーカーは,PTVDと統計的に有意な相関関係と強い効果サイズを示した.
結論:
- SHAPで強化された機械学習は,PTVDの評価に客観的なアプローチを提供します.
- 特定された音響特性 (iCPP,aCPP,aHNR) は,PTVDのバイオマーカーとしての可能性を示しています.
- これらのバイオマーカーは,早期の術後期に個別化された声療法を導くことができます.
