音声分析：がんと良性病変の早期兆候

オレゴン健康科学大学の研究者らは、新たに公開されたBridge2AI-Voiceデータセットの音声録音を分析し、声帯病変を明らかにできる単純な音響特徴を発見しました。ここで言う特徴とは、倍音対雑音比（HNR）、つまり「音楽的な倍音」と雑音の比です。そのレベルと変動性により、喉頭がんや良性病変の患者の声と、健常者やその他の音声障害の患者の声を区別することができました。この効果は特にシスジェンダーの男性で顕著でした。女性では統計的有意性が不十分でした。著者らはサンプル数の少なさを問題視し、データの拡充を求めています。この研究は、Frontiers in Digital Health誌に短報として掲載されました。

研究の背景

• そもそも「声の指標」を探す必要があるのでしょうか？嗄声はよくある訴えです。原因は様々で、風邪や逆流性食道炎から、結節／ポリープ、喉頭がんまであります。現在、診断に至るには耳鼻咽喉科専門医の診察と内視鏡検査（鼻や喉にカメラを入れる）が必要です。これは正確ですが、必ずしもすぐに行えるとは限らず、自宅での自己モニタリングには適していません。事前スクリーニング、つまり誰が最初に医師の診察を受けるべきかを判断するための簡単な方法が必要です。
• 音声バイオマーカーとは何でしょうか？音声は携帯電話で簡単に録音できる信号です。その「パターン」から声帯の振動状態を判断できます。病変があると振動が不均一になり、「ノイズ」が増え、「音楽」が減ります。
• 新しいデータセットが重要な理由。これまで、こうした研究は小規模な「自家製」サンプルに依存しており、モデルは脆弱でした。Bridge2AI-Voiceは、診断にリンクされた音声録音を、多施設で倫理的に収集した大規模なデータセットです。これは、大規模で異質なデータを用いてアルゴリズムを最終的に訓練およびテストするための「共通の試験場」として作成されました。
• 主な困難はどこにありますか?
  • 声は、マイク、部屋の騒音、寒さ、喫煙、言語、性別、年齢によって変化します。
  • 伝統的に女性のデータは少なく、女性の声の頻度は高いため、指標の動作が異なります。
  • 「自宅でできる」検査は診察の代わりになったり、診断を下したりすることはできません。せいぜい、「耳鼻咽喉科の専門医に緊急に診てもらう必要があるか？」を判断するのに役立ちます。
• なぜクリニックと患者にとってこれが必要なのでしょうか？リンパ節/腫瘍のリスクが高い人を短時間の診察で優先的に診察に選別できれば、診断が迅速化され、不要な紹介が減り、診察と診察の間（手術後、治療中）に自己モニタリングを行うツールが提供されます。
• これが導く先: 次のような検証済みの遠隔医療アプリケーション/モジュール:
  1. 標準に従ってスピーチを書く（フレーズ＋長めの「あああ」）
  2. 基本的な特徴（HNR、ジッター、シマー、F0）を計算する
  3. プロファイルが警戒すべきものである場合は、専門家に連絡することを推奨する。
  4. 治療後のダイナミクスを維持します。

アイデアはシンプルです。「耳鼻咽喉科医の耳に電話を当てる」のです。診断のためではなく、すぐに対面で助けが必要な人を見逃さないためです。

彼らは具体的に何をしたのでしょうか?

• 私たちは、音声録音を臨床情報（診断、アンケートなど）にリンクする NIH の主力プロジェクトである、倫理的に収集された複数のセンターによる Bridge2AI-Voice データセットの最初のリリースを採用しました。
• 2 つの分析サンプルが形成されました。
  1. 「喉頭がん / 良性リンパ節 / 健康」;
  2. 「がんまたは良性の結節」と、痙攣性発声障害および声帯麻痺（嗄声の他の一般的な原因）との比較。
• 標準化されたフレーズから、基本的な音声特徴（基本音（F0）、ジッター、揺らめき、HNR）を特定し、ノンパラメトリック統計を用いて各グループを比較しました。結果：最も安定した差はHNRとF0にあり、HNRとその変動は良性病変と正常病変および喉頭癌を最もよく区別していました。これらのシグナルは男性でより明確でした。

なぜこれが重要なのでしょうか?

• プローブを使用しない早期スクリーニング。現在、診断に至るには多くの場合、経鼻内視鏡検査と、疑わしい場合は生検が必要です。AIと組み合わせたシンプルな音響特性によって、内視鏡検査が必要な患者を優先的に診断できれば、患者はより早く耳鼻咽喉科専門医の診察を受けることができ、不要な紹介を減らすことができます。これは医師の診察を補完するものであり、代替するものではありません。
• 音声ビッグデータ。Bridge2AI-Voiceは、統一されたプロトコルを用いて音声を収集し、診断に結び付ける稀有なプロジェクトです。データはPhysioNet / Health Data Nexusを通じて研究者に提供されます。これにより、少量サンプルを用いた「奇跡のアプリ」ではなく、信頼性の高い音声バイオマーカーの開発が加速されます。

HNRとは何ですか？

私たちが話すとき、声帯は振動し、倍音（ハーモニクス）を生み出します。しかし、振動は決して完璧ではなく、信号には常にノイズが存在します。HNR（ハーモニクス比）とは、声に含まれる「音楽性」が「ヒスノイズ」よりもどれだけ多いかを示すものです。声帯が損傷すると、振動の均一性が損なわれ、ノイズが増加し、HNRが低下し、その変化（変動性）が増大します。これが、著者らが捉えたパターンです。

重要な免責事項

• これはパイロット的な探索的分析であり、臨床的検証は行われておらず、女性のサンプルにも制限があるため、その効果は有意ではありませんでした。より大規模で多様なデータと、異なる診療科や言語におけるモデルの「ロースト」が必要です。
• 声は「多面的」なものです。風邪、喫煙、逆流、マイク、室内の騒音などによって影響を受けます。どんな「家庭用検査」でも、状況を考慮し、耳鼻咽喉科専門医への紹介のフィルターとして機能するべきです。クリックスルー診断ではなく。

次は何？

• データセットを拡張し（女性と年齢を含む）、タスクと音響を標準化し（フレーズの読み上げ、「アー」の長音化など）、マルチモーダルモデルを試します（音声 + アンケートの症状/リスク要因）。
• 音響兆候を検査結果（内視鏡検査、ストロボスコピー）および治療後の動態とリンクさせ、HNR プロファイルをモニタリングにも使用できるようにします。
• 「オープンサイエンス」を継続: Bridge2AI-Voice はすでにデータセットとツールのバージョンを公開しており、これはクリニックの実際のパイロットにすぐにアクセスできるチャンスです。

結論

声帯のトラブルを声から「聞き取る」ことは可能であり、適切な専門医への紹介を早めることができるかもしれません。今のところ、声帯雑音（HNR）とその変動性は、かなり重要な手がかりですが、ビッグオープンデータのおかげで、声帯バイオマーカーはついに信頼できるスクリーニングツールとなる可能性を秘めています。

出典： Jenkins P. 他「バイオマーカーとしての声：良性および悪性の声帯病変の探索的分析」 Frontiers in Digital Health、2025年（出版受理）。データ — Bridge2AI-Voice (NIH/PhysioNet)