$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
L'obiettivo di questo studio era sviluppare e valutare un metodo non invasivo per distinguere i pazienti con broncopneumopatia cronica ostruttiva (BPCO) da quelli con infezioni del tratto respiratorio (RTI) utilizzando l'analisi del segnale vocale e l'apprendimento automatico. I segnali vocali a pattern fisso sono stati raccolti da 25 pazienti con BPCO e 25 pazienti con RTI (fungendo da gruppo di controllo/confronto). L'analisi multidimensionale delle caratteristiche vocali è stata eseguita per identificare le caratteristiche che differenziano significativamente i due gruppi. Le caratteristiche statisticamente significative sono state selezionate e sottoposte a riduzione della dimensionalità. I modelli di regressione logistica (LR) e foresta casuale (RF) sono stati quindi addestrati e valutati per le prestazioni di classificazione nel distinguere la BPCO dalla RTI. Inizialmente sono state analizzate oltre 400 funzioni vocali. Diciotto caratteristiche hanno mostrato differenze altamente significative tra i pazienti con BPCO e RTI (P <; 0,05). Nel compito di distinguere i pazienti con BPCO dai pazienti con RTI, il modello LR ha raggiunto un'area del set di test sotto l'AUC della curva di 0,95, superando significativamente il modello RF (AUC = 0,76). Questo studio dimostra la fattibilità dell'utilizzo dell'analisi vocale e dell'apprendimento automatico, in particolare del modello LR, come promettente strumento non invasivo per differenziare la BPCO dalla RTI. Fornisce una base per l'applicazione pratica e l'ulteriore ottimizzazione di questo approccio basato sulla voce in contesti clinici che richiedono una diagnosi differenziale delle condizioni respiratorie.