サポートベクトルマシンからニューラルネットワークへ:口腔裂けの患者における自動化口腔機能障害の検出を進める
Noah Alter1, Claiborne Lucas2, Ricardo Torres-Guzman1
1From the Department of Plastic Surgery, Vanderbilt University Medical Center, Nashville, TN.
Annals of plastic surgery
|September 5, 2025
まとめ
人工知能は,スピーチ分析を用いて,口腔裂けの子供における耳機能障害 (VPD) を検出することができます. この技術は 低所得国や中所得国における VPD 治療の改善に寄与します
科学分野:
- 言語病理学
- 人工知能
- 機械学習
背景:
- palatal cleft が修復された後 言語の理解は重要です
- ベロファリンガル機能障害 (VPD) は,言語の成果に大きく影響します.
- 低・中所得国 (LMICs) でのVPDの流行と影響は十分に理解されていません.
研究 の 目的:
- 人工知能と機械学習 (ML) を使って,スピーチサンプルからVPDを自動的に検出する方法を検討する.
- 口腔裂けの患者でVPDを特定するためのディープラーニングモデルを開発し,テストする.
- 人工知能を駆動するツールの可能性を評価し,資源の限られた環境でVPDのケアを強化します.
主な方法:
- ニューラルネットワークベースの自己監視のディープラーニングMLモデルの開発
- 60人の患者 (30人のVPD患者,30人の対照群) を用いた.
- 約8000個の音声サンプルで テストしました
主要な成果:
- MLモデルはVPDの検出において完璧な精度,精度,リコール,F1スコア (1.0) を達成した.
- このモデルは,拡張されたデータセットと非拡張されたデータセットの両方で高いパフォーマンスを示しました.
- 初期結果は,VPDに関連する言語パターンを識別する MLの強力な能力を示しています.
結論:
- 有望な結果は,言語におけるVPDの検出のためのMLモデルの可能性を裏付けています.
- 混同要因に対処し,多言語分析を可能にするためにさらなる研究が必要です.
- このようなAIモデルの臨床実装は,LMICの口腔裂けの患者に対するVPDのケアを大幅に改善することができます.
