在甲状腺切除术后患有声音障碍的患者中基于SHAP识别潜在的声学生物标志物
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
概括
研究人员使用机器学习确定了甲状腺切除术后语音障碍 (PTVD) 的声学生物标志物. 在甲状腺手术后, iCPP,aCPP和aHNR等特征显示出早期诊断和个性化语音治疗的潜力.
科学领域:
- 耳鼻喉科
- 语言科学
- 计算生物学
背景情况:
- 甲状腺切除术后的声音障碍 (PTVD) 影响许多患者,需要客观的诊断工具.
- 目前对PTVD的诊断方法可能是主观的,这凸显了对强大的生物标志物的需求.
- 早期发现PTVD对于及时和个性化的治疗干预至关重要.
研究的目的:
- 确定功能性甲状腺切除后语音障碍 (PTVD) 的可靠声学生物标志物.
- 利用声学分析和可解释的机器学习进行早期PTVD诊断.
- 支持在甲状腺手术后出现声音变化的患者的个性化治疗策略.
主要方法:
- 从持续的母音 /a/ 和 /i/ 录音中提取光谱和头音特征.
- 支持矢量机器 (SVM) 的训练和分类的提升模型.
- 应用SHapley添加剂分析 (SHAP) 进行生物标志物的解释性和一致性分析.
主要成果:
- 获得了最高的分类性能的是GentleBoost (AUC=0.85) 和LogitBoost (AUC=0.81).
- iCPP,aCPP和aHNR被确定为具有一致SHAP值的稳定声学生物标志物.
- 这些生物标志物与PTVD和强效果大小具有统计学意义的相关性.
结论:
- 用SHAP增强的机器学习为PTVD评估提供了一个客观的方法.
- 鉴定到的声学特征 (iCPP,aCPP,aHNR) 显示为PTVD的生物标志物.
- 这些生物标志物可以在早期的术后期指导个性化语音治疗.
