Investigación / A voz como sinal clínico / [1]
Seis minutos de marcha fan da voz un mellor sinal diagnóstico
Improving respiratory disease detection through SSL-enhanced acoustic analysis and exercise-rest measurements. Frontiers in Medicine, 2026.
Gravar a tose e a voz dun paciente despois dun exercicio lixeiro, e describilas con modelos de fala autosupervisados, separa os pacientes post-COVID das persoas sas cun F1-score do 87,7 %.
O problema
A voz é barata de gravar e leva información sobre os pulmóns e o tracto vocal. Con todo, os cambios que causan as doenzas respiratorias son sutís, e as gravacións feitas en repouso adoitan pasalos por alto.
Que fixemos
Gravamos 154 participantes producindo unha /a/ sostida e tuses voluntarias, unha vez en repouso e outra despois dun protocolo de estrés fisiolóxico: unha marcha de seis minutos e unha proba de sentarse e erguerse durante un minuto. As secuelas post-agudas da infección por SARS-CoV-2 (PASC, ou COVID persistente) serviron como caso de estudo.
Cada gravación describiuse de dúas maneiras: con biomarcadores acústicos clásicos e con embeddings de tres modelos de fala autosupervisados, wav2vec 2.0, WavLM e HuBERT. Unha regresión loxística clasificou cada participante como PASC ou san, e un paso de fusión tardía combinou as decisións da vogal e da tose.
Que atopamos
O esforzo físico mellorou a clasificación e reduciu a variabilidade en todas as tarefas. Fusionar as características acústicas cos embeddings de WavLM e wav2vec 2.0 acadou F1-scores do 82,2 % para as vogais e do 80,8 % para as tuses despois do exercicio, e combinar as dúas tarefas chegou ao 87,7 %.
A miña contribución
Achegei o pipeline de características acústicas e autosupervisadas e o deseño experimental, a partir do estudo de 2023.
Por que importa
Unha proba de marcha estándar e un micrófono poderían converterse nun paso de cribado rápido e non invasivo nas avaliacións funcionais rutineiras de doenzas crónicas e posvirais. A mesma receita, someter o sistema a esforzo antes de medilo, vale máis alá da COVID.
Citar
Vera-López Á., Tilves-Santiago D., Ramírez-Sánchez J.M., Docío-Fernández L., García-Mateo C., Bustillo-Casado M., García-Caballero A.A. Improving respiratory disease detection through SSL-enhanced acoustic analysis and exercise-rest measurements. Frontiers in Medicine, 2026.
@article{veralopez2026respiratory,
title = {Improving respiratory disease detection through SSL-enhanced
acoustic analysis and exercise-rest measurements},
author = {Vera-L{\'o}pez, {\'A}lvaro and Tilves-Santiago, Dar{\'i}o and
Ram{\'i}rez-S{\'a}nchez, Jos{\'e} Manuel and Doc{\'i}o-Fern{\'a}ndez, Laura and
Garc{\'i}a-Mateo, Carmen and Bustillo-Casado, Mar{\'i}a and
Garc{\'i}a-Caballero, Alejandro Alberto},
journal = {Frontiers in Medicine},
year = {2026},
doi = {10.3389/fmed.2026.1864436}
} PDF distribuído baixo licenza CC BY 4.0; copia da versión publicada.