Documentos de traballo · fala, saúde e IA fiableVigo, 2026

Investigación / A voz como sinal clínico / [9]

Abonda a voz para identificar pacientes con COVID persistente?

Identifying patients with Long COVID: study of the effectiveness of voice signal analysis and machine learning. JMIR Preprints, 2023.

Nunha frase

As características espectrais de tuses gravadas despois dun esforzo físico permiten a un bosque aleatorio separar pacientes con COVID persistente de persoas sas cunha AUC do 93 %.

1.ºconxunto de datos de voz para PASC
4clasificadores comparados
93 %mellor AUC
86 %mellor F1

O problema

A COVID persistente (PASC) ten un conxunto de síntomas amplo e cambiante, o que fai difícil distinguila doutras doenzas. A investigación sobre o seu diagnóstico centrárase nos síntomas clínicos, con pouca atención á voz.

Que fixemos

Recollemos un novo conxunto de datos de gravacións de voz de persoas diagnosticadas de PASC, o primeiro deste tipo. Os participantes gravaron tuses e unha /a/ sostida, en repouso e despois dun esforzo físico. O pipeline mellora o audio, extrae características espectrais e de enerxía, adestra catro clasificadores e combínaos cun sistema de votación.

Que atopamos

As características espectrais foron as máis informativas. As tuses funcionaron mellor ca as vogais, e as gravacións feitas despois do esforzo físico melloraron todos os clasificadores. O bosque aleatorio foi o que mellor funcionou, cunha AUC do 93 % e un F1-score do 86 %.

A miña contribución

Dirixín o estudo: deseñei o protocolo de gravación co equipo clínico, construín o pipeline de extracción de características e clasificación e realicei os experimentos.

Por que importa

O seu achado de que o esforzo físico fai máis informativas as gravacións de voz é o punto de partida do estudo de 2026 en Frontiers in Medicine.

0255075100 MLP 85,0 Bosque aleatorio 86,0
Figura 1. Mellores clasificadores segundo o F1-score (%). O bosque aleatorio acadou ademais unha AUC do 93 %, e o MLP do 89 %.

Citar

Ramírez Sánchez J.M., Docío-Fernández L., García Mateo C., Bustillo-Casado M., García-Caballero A.A. Identifying patients with Long COVID: study of the effectiveness of voice signal analysis and machine learning. JMIR Preprints, 2023.