Classificação do tom da tosse baseada em aprendizado de máquina: exploração diagnóstica da doença pulmonar obstrutiva crônica e infecções do trato respiratório

Summary

Este estudo realizou efetivamente a classificação automatizada de duas categorias distintas, adquirindo dados sonoros de tosse de pacientes diagnosticados com doença pulmonar obstrutiva crônica (DPOC) e infecções do trato respiratório (ITR), utilizando uma integração de técnicas de processamento de sinais de fala e algoritmos de aprendizado de máquina.

Abstract

O objetivo deste estudo foi desenvolver e avaliar um método não invasivo para distinguir pacientes com doença pulmonar obstrutiva crônica (DPOC) daqueles com infecções do trato respiratório (ITR) usando análise de sinal de voz e aprendizado de máquina. Sinais de voz de padrão fixo foram coletados de 25 pacientes com DPOC e 25 pacientes com ITR (servindo como grupo controle/comparação). A análise multidimensional de características de voz foi realizada para identificar características que diferenciam significativamente os dois grupos. Características estatisticamente significativas foram selecionadas e submetidas à redução de dimensionalidade. Os modelos de Regressão Logística (LR) e Random Forest (RF) foram então treinados e avaliados quanto ao desempenho de classificação na distinção entre DPOC e ITR. Mais de 400 recursos de voz foram inicialmente analisados. Dezoito características mostraram diferenças altamente significativas entre pacientes com DPOC e ITR (P <; 0,05). Na tarefa de distinguir pacientes com DPOC de pacientes com RTI, o modelo LR alcançou uma área de conjunto de teste sob a curva AUC de 0,95, superando significativamente o modelo de RF (AUC = 0,76). Este estudo demonstra a viabilidade do uso da análise de voz e do aprendizado de máquina, particularmente o modelo LR, como uma ferramenta não invasiva promissora para diferenciar a DPOC da ITR. Ele fornece uma base para a aplicação prática e otimização adicional dessa abordagem baseada em voz em ambientes clínicos que requerem diagnóstico diferencial de condições respiratórias.

Introduction

A doença pulmonar obstrutiva crônica (DPOC) e as infecções do trato respiratório representam contribuintes significativos para a mortalidade e morbidade em escala global. A DPOC é definida como uma condição inflamatória crônica que afeta as vias aéreas e o parênquima pulmonar, predominantemente induzida pelo tabagismo. É caracterizada por sintomas como tosse persistente, dispneia e aumento da produção de escarro¹. A Organização Mundial da Saúde projeta que, até 2030, a DPOC será a terceira principal causa de morte em todo o mundo, impondo um ônus econômico substancial ^2,3. Em contraste, as infecções do trato respiratório (ITR) representam aproximadamente 6% da carga global de doenças, superando a carga associada à doença isquêmica do coração, infecção pelo HIV, câncer, malária e doenças diarreicas⁴.

Devido às semelhanças substanciais nas manifestações clínicas das duas doenças, particularmente na sintomatologia da tosse, que é um sintoma prevalente, a diferenciação precoce e precisa entre essas doenças é essencial para um tratamento eficaz ^5,6. As abordagens diagnósticas tradicionais dependem predominantemente da avaliação clínica dos sintomas, testes de função pulmonar e análises laboratoriais⁷. Embora os métodos diagnósticos convencionais para DPOC sejam eficazes na identificação e avaliação da condição, eles exibem várias limitações na prática clínica. Essas limitações incluem precisão diagnóstica inadequada, capacidade limitada de diagnóstico precoce, compreensão insuficiente da heterogeneidade da doença e falta de monitoramento dinâmico 8,9,10,11. Em contraste com os métodos tradicionais de diagnóstico para DPOC, a tecnologia de diagnóstico por voz, como uma ferramenta auxiliar emergente, oferece inúmeras vantagens, principalmente na detecção precoce, diagnóstico não invasivo e monitoramento dinâmico.

Com os avanços na análise da fala, particularmente a análise automatizada de sons de tosse, há um potencial emergente para aplicações de diagnóstico rápido. Pesquisas indicam que os sons da tosse encapsulam informações extensas sobre doenças pulmonares, com suas características acústicas refletindo alterações no estado de saúde das vias aéreas¹². Recentemente, técnicas baseadas em aprendizado de máquina para análise de características de fala têm sido empregadas no diagnóstico de DPOC e outras condições, produzindo resultados notáveis 13,14,15. Essas metodologias facilitam a classificação eficaz de doenças, extraindo recursos de áudio dos sons da tosse, como frequência, duração e amplitude, e integrando-os a algoritmos de aprendizado de máquina para reconhecimento de padrões.

Apesar de alguns estudos investigarem o potencial da análise do som da tosse no diagnóstico da doença, persistem desafios significativos na diferenciação entre pacientes com DPOC e aqueles com ITR. Essa dificuldade surge devido à sobreposição de características nos sons da tosse de ambos os grupos, agravadas pela variabilidade individual. Consequentemente, o desenvolvimento de métodos para extrair características mais precisas e distinguíveis dos sons da tosse continua sendo uma questão crítica neste domínio.

Este estudo busca investigar um método de classificação automatizado para sons de tosse por meio da gravação de áudio de 25 pacientes com diagnóstico de DPOC e 25 pacientes com ITR. Ao integrar a análise de características de fala com algoritmos de aprendizado de máquina, pretendemos aumentar a precisão da diferenciação de doenças, melhorando assim os recursos de diagnóstico precoce para DPOC e ITR.

Protocol

O Comitê de Ética da Universidade de Medicina Chinesa de Pequim e seu Terceiro Hospital Afiliado aprovaram este estudo de pesquisa. Todos os participantes forneceram seu consentimento informado por escrito para participar. Entre julho e agosto de 2024, uma coorte de 25 pacientes com DPOC foi recrutada no Departamento de Medicina Respiratória do Terceiro Hospital Afiliado da Universidade de Medicina Chinesa de Pequim. Simultaneamente, um grupo controle composto por 25 pacientes com ITR superior típica também foi montado.

1. Seleção dos participantes

1. Critérios de inclusão
   1. Selecione as amostras de áudio com baixo ruído de fundo e articulação clara.
   2. Certifique-se de que um diagnóstico de DPOC para o grupo de DPOC seja exigido por diretrizes clínicas estabelecidas por especialistas em pulmão.
      1. Confirme o diagnóstico por espirometria pós-broncodilatador (FEV₁/CVF < 0,70) de acordo com os critérios GOLD 2024.
      2. Verifique a estabilidade clínica (sem exacerbações ≥ 4 semanas)
   3. Certifique-se de que o grupo de comparação seja composto por pessoas que sofrem de ITR superior típica.
      1. Diagnosticar utilizando os critérios diagnósticos das Diretrizes de Diagnóstico e Tratamento de Doenças Infecciosas Respiratórias.
      2. Certifique-se de que o tempo de início dos sintomas ≤ 72 h.
      3. Excluir história de doença respiratória crônica.
   4. Restrinja a idade de 18 a 85 anos.
   5. Solicite que todos os participantes forneçam consentimento informado por escrito para participar do estudo.
2. Critérios de exclusão
   1. Exclua os participantes que estão enfrentando dificuldades de fala, como distúrbios das cordas vocais ou laringite.
   2. Exclua participantes com condições neurológicas que possam prejudicar a fala ou as funções cognitivas.
   3. Exclua participantes com deficiências auditivas significativas.
   4. Exclua os participantes que não aderiram aos protocolos do estudo ou não forneceram um número suficiente de amostras de áudio.
   5. Exclua os participantes que não puderem fornecer consentimento informado.

2. Desenho do estudo

1. Mova os participantes para uma sala de consulta clínica padrão silenciosa e isolada (dimensões de 4 m × 5 m), com níveis de ruído externo mantidos abaixo de 30 dB. Faça-os sentar-se em uma postura natural e confortável e permanecer em um estado relaxado.
2. Documente meticulosamente os detalhes essenciais do participante, incluindo altura, peso, idade e outras informações relevantes, e confirme seu estado de saúde atual com um médico.
3. Após a conclusão da gravação inicial dos dados, ajuste a altura do microfone para a posição apropriada, garantindo uma distância de aproximadamente 20-30 cm entre o microfone e os lábios do participante.
4. Colete as gravações de áudio usando um gravador multipista portátil profissional, com a taxa de amostragem uniformemente ajustada para 44,1 kHz.
   1. Execute a calibração do dispositivo antes das sessões diárias de gravação. Pressione e segure o botão GAIN do canal de destino por 2 s até que a tela exiba CAL e o valor do nível atual.
   2. Ajuste o ganho para o valor alvo girando lentamente o botão GAIN até que o nível de entrada mostrado na tela corresponda precisamente ao valor nominal do tom de teste. Garantindo uma margem de erro dentro de ≤±1 dB.
5. Sob a orientação da equipe de amostragem, deixe o participante tossir naturalmente de acordo com sua condição. Capture os sons da tosse usando dispositivos de gravação.
6. Grave o áudio como '. WAV'.
7. Os segmentos de áudio anormais foram removidos usando detecção de atividade de voz (VAD) complementada por verificação manual. As gravações que atenderam ao limiar de relação sinal-ruído (SNR) de >20 dB foram incluídas no estudo.
   NOTA: A metodologia completa está disponível em nosso repositório GitHub (https://github.com/Liteng811/speech-feature-index-database-construction).

3. Desenvolvimento do Repositório de Recursos Vocais

NOTA: O banco de dados de indicadores de características vocais é uma coleção de características acústicas para análise comparativa de padrões vocais em DPOC versus ATT. A arquitetura metodológica está detalhada na Tabela 1. Uma base de código de código aberto para sua construção foi implementada e está acessível no GitHub (https://github.com/Liteng811/speech-feature-index-database-construction). As etapas abaixo detalham o download e a execução do código.

1. Instale o MATLAB no computador a partir do site oficial do MathWorks website (https://www.mathworks.com/). Certifique-se de que a versão apropriada para o sistema operacional esteja selecionada. Para verificar se o MATLAB está instalado corretamente, inicie o software MATLAB e digite ver na janela de comando. Se instalado corretamente, as informações da versão do MATLAB devem aparecer.
2. Instale o Git a partir do site oficial do Git (https://git-scm.com/). Para confirmar a instalação bem-sucedida, digite o seguinte comando na linha de comando (Prompt de Comando para Windows, Terminal para Mac/Linux): git --version. Se o Git tiver sido instalado com êxito, as informações da versão serão exibidas.
3. Recuperar o repositório de código
   1. Usando uma interface de linha de comando, execute o comando git clone para baixar os arquivos do projeto para sua máquina local:
      https://github.com/Liteng811/voice-feature-index-database-construction.git de clone do git
      NOTA: Esta operação cria um novo diretório chamado "voice-feature-index-database-construction" em seu diretório de trabalho atual, contendo todos os arquivos de projeto.
   2. Acesse a pasta baixada para gerenciar seu conteúdo executando:
      cd voice-feature-index-database-construction.
4. Configuração do ambiente MATLAB.
   1. Inicie o aplicativo MATLAB.
   2. Integre a pasta do projeto ao caminho de pesquisa do MATLAB. Navegue até a guia Página Inicial , clique em Definir Caminho e em Adicionar Pasta. Selecione o diretório clonado voice-feature-index-database-construction e salve as alterações. Isso permite que o MATLAB acesse todos os scripts necessários.
   3. No painel Pasta atual no MATLAB, abra o script de processamento principal (voiceH6_batch_3_stage_WAV_tt.m) clicando duas vezes nele.
5. Preparação de dados.
   1. A análise requer arquivos de áudio de entrada no formato .wav ou .pcm .
   2. Os caminhos para esses arquivos de áudio são codificados nos scripts. Atualize essas variáveis de caminho para apontar para os locais corretos no sistema local.
6. Execução de script.
   1. Com o script principal (voiceH6_batch_3_stage_WAV_tt.m) aberto, inicie o processamento clicando no botão Executar ou digitando o nome do script diretamente na Janela de Comando do MATLAB: voiceH6_batch_3_stage_WAV_tt.
   2. O script requer interação do usuário. O MATLAB exibirá uma interface gráfica solicitando que o usuário escolha o arquivo ou pasta de áudio apropriado. Certifique-se de que o arquivo ou pasta de áudio selecionado para processamento corresponda ao prompt.
   3. Se forem encontrados problemas com o congelamento ou não exibição da interface gráfica ao executar o script no MATLAB, verifique possíveis problemas de compatibilidade com a versão do MATLAB ou certifique-se de que os drivers gráficos do sistema operacional estejam funcionando corretamente.
7. Produza os resultados. Após a conclusão, procure um arquivo de saída .txt onde o script terá gravado os resultados da extração de recursos. O arquivo de saída conterá informações como os resultados do reconhecimento de recursos de áudio.

4. Análise dos dados

NOTA: Após a montagem do banco de dados de indicadores de características vocais, foram realizadas análises estatísticas. A abordagem analítica é descrita na Tabela 2. O teste U de Mann-Whitney foi empregado para avaliar as diferenças nas características do sinal de voz entre os grupos DPOC e ITR.

1. Teste para Mann-Whitney U.
   NOTA: Após a obtenção da biblioteca de índices de características de fala, foi realizado o teste U de Mann-Whitney nos dados usando o SPSS 20.0. O processo de operação é o seguinte:
   1. Abra o SPSS e carregue o arquivo de dados.
   2. Selecione Analisar > testes não paramétricos > caixas de diálogo herdadas > 2 amostras independentes na barra de menus.
   3. Na caixa de diálogo pop-up:
      1. Lista de Variáveis de Teste: Selecione as variáveis a serem comparadas (variáveis observadas).
      2. Variável de agrupamento: Selecione a variável de agrupamento (a variável que será usada para agrupamento).
      3. Clique no botão Definir grupos para inserir os identificadores dos dois grupos na janela pop-up (por exemplo, se agrupados como "Grupo 1" e "Grupo 2", digite 1 e 2).
   4. No Tipo de teste, selecione o teste U de Mann-Whitney parcialmente.
   5. Clique em OK e o SPSS gerará automaticamente a saída.
2. Análise de Componentes Principais (PCA)
   NOTA: Após a identificação de características estatisticamente significativas, a Análise de Componentes Principais (PCA) foi empregada para exploração avançada de dados. Essa técnica reduz a dimensionalidade condensando as variáveis originais em um conjunto menor de componentes compostos que preservam informações críticas e simplificam a interpretabilidade do conjunto de dados. Antes da realização da ACP, os dados foram padronizados automaticamente pelo software estatístico para mitigar vieses relacionados à escala. O procedimento foi executado da seguinte forma:
   1. Certifique-se de que os dados foram agrupados, salvos no formato Excel ou CSV e importados para o SPSS 20.0.
   2. Selecione Arquivo > Abrir > Dados e selecione o arquivo a ser aberto.
   3. Certifique-se de que os valores ausentes e discrepantes nos dados sejam tratados e que as variáveis sejam padronizadas.
   4. Para análise de PCA no SPSS, clique em Analisar > Fator de > de redução de dimensão.
   5. Na caixa de diálogo, adicione todas as variáveis usadas no PCA ao campo Variáveis . Essas variáveis geralmente são dados contínuos.
   6. Configure o método de extração.
      1. Na caixa de diálogo, clique no botão Extração e selecione o método Componentes principais . Por padrão, o SPSS extrai componentes principais suficientes para explicar a variação nos dados.
      2. Selecione Valores próprios maiores que 1 como critério de retenção, o que significa que somente os componentes principais com valores próprios maiores que 1 são retidos, o que geralmente explica a maior parte da variância.
   7. Selecione o método de rotação e clique em Rotação para escolher Varimax (rotação ortogonal) ou Promax (rotação oblíqua). Para a maioria das aplicações, o Varimax é um método de rotação comumente usado.
   8. Nas opções, verifique o gráfico de Scree e a matriz de coeficiente para que o diagrama de cascalho dos componentes principais e a matriz de coeficiente de cada componente principal possam ser emitidos para ajudar a julgar a variância retida.
   9. Depois de definir todas as opções, clique no botão OK e o SPSS gerará a saída.
   10. Interpretação dos resultados.
       1. Interprete a matriz de carregamento do componente principal para identificar relações entre os componentes principais e as variáveis originais. Observe que variáveis com valores de carga mais altos exigem maior contribuição para as alterações.
       2. Explique a variação usando a tabela "Variação Total Explicada". Observar autovalores e proporções de variância para cada componente principal. Selecione os componentes principais com grandes proporções de variância, pois eles normalmente explicam a maior parte da variação de dados.
       3. Use a plotagem de scree para determinar os componentes principais retidos. Identifique o ponto de inflexão claro no gráfico. Retenha os componentes principais à esquerda do ponto de inflexão.
       4. Pontuações de componentes principais: marque salvar como variáveis se a pontuação de cada amostra no componente principal precisar ser obtida, e o SPSS adicionará as pontuações de componentes principais ao conjunto de dados como novas variáveis.

5. Construindo o modelo de Regressão Logística (LR) e Random Forest (RF)

NOTA: A estrutura metodológica específica para a construção dos modelos LR e RF está detalhada na Tabela 3. Enquanto isso, os modelos LR e RF neste estudo foram carregados no GitHub (https://github.com/Liteng811/The-distinction-between-COPD-and-respiratory-infections). A seguir, descreveremos principalmente como baixar e executar o código do GitHub. O modelo de RF foi construído usando Python 3.12.3 como linguagem de programação primária.

1. Obtenha a base de código do projeto.
   1. Inicie um terminal ou prompt de comando e execute o comando git clone para baixar o repositório localmente:
      git clone A-distinção-entre-DPOC e infecções-respiratórias.git A distinção entre DPOC e infecções respiratórias.git
      Observe que esse comando recupera todo o conteúdo do repositório em seu diretório de trabalho atual, gerando uma nova pasta intitulada The-distinction-between-COPD-and-respiratory-infections.
2. Configure o ambiente de programação.
   1. Baixe e instale o Python no site oficial de distribuição (https://www.python.org/).
   2. Use o comando abaixo para instalar todas as dependências do Python listadas no arquivo de requisitos: pip install -r requirements.txt.
   3. Se o arquivo requirements.txt não estiver disponível, instale as bibliotecas essenciais manualmente executando:
      pip install numpy pandas scikit-learn matplotlib
   4. Instale o ambiente de desenvolvimento integrado PyCharm a partir do site oficial da JetBrains (https://www.jetbrains.com/pycharm/).
3. Explore o conteúdo do repositório.
   1. No repositório, localize os arquivos de script principais (LR.py, RF.py).
   2. Abra esses arquivos usando um editor de código ou PyCharm para revisar sua implementação e detalhes estruturais.
4. Prepare os dados de entrada.
   1. Certifique-se de que o conjunto de dados necessário esteja disponível em .xlsx formato, conforme esperado pelo código, e organizado corretamente antes da execução.
   2. O código contém caminhos de arquivo codificados. Atualize esses caminhos para refletir os locais reais dos arquivos, substituindo efetivamente os caminhos existentes no código (por exemplo, C:\Users\1\Desktop\pca-result.xlsx) pelos caminhos de arquivo reais no sistema.
5. Execute o código.
   1. Depois que o script principal for localizado, execute-o por meio da linha de comando. Por exemplo, para executar LR.py, use: python LR.py
      Se o script de destino estiver RF.py, substitua o nome do arquivo de acordo.
   2. Antes da execução, verifique se o terminal está no diretório de trabalho correto ou especifique o caminho completo para o script. Por exemplo:
      python C:/caminho/para/seu/repositório/LR.py.
   3. Durante a operação, o script carregará o conjunto de dados, treinará o modelo de aprendizado de máquina correspondente (LR ou RF) e gerará métricas de desempenho, incluindo precisão, matriz de confusão e curva ROC.

Results

Resultados da análise dos dados

A pesquisa isolou com sucesso mais de 400 índices de características de fala usando métodos como análise no domínio do tempo, análise no domínio da frequência, extração do Coeficiente Cepstral de frequência Mel (MFCC) e alteração dos indicadores de características de acordo com o diagnóstico da MTC. A análise do domínio do tempo é um elemento crucial no processamento de sinais de ...

Discussion

Este estudo investiga métodos não invasivos para detectar DPOC por meio de análise de sinais de voz e técnicas de aprendizado de máquina. Envolveu a coleta de dados de voz de 25 pacientes com DPOC e 25 pacientes com ITR. Os modelos foram construídos usando algoritmos LR e RF. Ambos os modelos mostraram precisão semelhante na classificação correta das amostras em geral, mas a diferença nos valores da AUC indica que o modelo LR pode oferecer um equilíbrio superior entre sensibilidade e esp...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Gravador Digital	ZOOM	H6	ZOOM Audio Store
GitHub	Git	2.47.1.2	Site Oficial
Matlab	MathWorks	R2024b	Site Oficial
Pycharm	JetBrains	2024.1	Site Oficial
Pitão	Pitão	3.12	Site Oficial