$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
L’objectif de cette étude était de développer et d’évaluer une méthode non invasive pour distinguer les patients atteints de bronchopneumopathie chronique obstructive (BPCO) de ceux atteints d’infections des voies respiratoires (RTI) en utilisant l’analyse du signal vocal et l’apprentissage automatique. Des signaux vocaux fixes ont été recueillis auprès de 25 patients atteints de BPCO et de 25 patients atteints d’ATR (servant de groupe témoin/témoin). Une analyse multidimensionnelle des caractéristiques vocales a été effectuée pour identifier les caractéristiques différenciant significativement les deux groupes. Des caractéristiques statistiquement significatives ont été sélectionnées et soumises à une réduction de dimensionnalité. Les modèles de régression logistique (LR) et de forêt aléatoire (RF) ont ensuite été entraînés et évalués pour la performance de classification afin de distinguer la BPCO de la RTI. Plus de 400 fonctionnalités vocales ont été initialement analysées. Dix-huit caractéristiques ont montré des différences très significatives entre les patients atteints de BPCO et d’ATR (P < ; 0,05). Dans la tâche de distinguer les patients atteints de BPCO des patients RTI, le modèle LR a atteint une aire d’ensemble de test sous la courbe AUC de 0,95, surpassant significativement le modèle RF (AUC = 0,76). Cette étude démontre la faisabilité de l’utilisation de l’analyse vocale et de l’apprentissage automatique, en particulier le modèle LR, comme outil non invasif prometteur pour différencier la BPCO de l’ATR. Il fournit une base pour l’application pratique et l’optimisation ultérieure de cette approche basée sur la voix dans des contextes cliniques nécessitant un diagnostic différentiel des affections respiratoires.