Een KNO-arts en onderzoeker van de Emory University School of Medicine in Georgia (VS) ontwikkelt een AI-toepassing waarmee strottenhoofdkanker in een vroeg stadium eenvoudig kan worden herkend door naar de stem van een patiënt te luisteren.
Anthony Law ontwikkelde een deep learning-model dat stemveranderingen analyseert met als doel om larynxkanker vroegtijdig te signaleren. Het zaadje voor zijn innovatie werd geplant toen hij COVID kreeg en met zijn moeder sprak. Die herkende aan de stem van haar zoon meteen dat er iets mis was met hem. Die ervaring bracht KNO-arts en onderzoeker Law op het idee technologie te gaan ontwikkelen waarmee het mogelijk wordt medische aandoeningen te diagnosticeren met behulp van stemanalyses.
Dysfonie
Als KNO-arts was Law al bekend met het feit dat veranderingen in de stem van patiënten kunnen duiden op de eerste tekenen van keelkanker. Voor huisartsen is het stellen van die diagnose echter een stuk moeilijker omdat deze zogenaamde dysfonie ook herkenbaar is voor andere aandoeningen. “Voor een getrainde laryngoloog is het duidelijk wanneer een stem zorgwekkend klinkt. Maar voor een huisarts is dat als zoeken naar een naald in een hooiberg”, aldus Law
Daarom ontwikkelde hij een AI-model dat via een reeks stemoefeningen afwijkingen detecteert die mogelijk wijzen op een tumor in het strottenhoofd. De software is gebaseerd op een neuraal netwerk dat is getraind op een dataset van ruim 15.000 stemopnames. Het model bereikt momenteel een nauwkeurigheid van ongeveer 93 procent.
Gebruiksvriendelijke app
Om het gebruik in de praktijk te vergemakkelijken, werd het algoritme geïntegreerd in een gebruiksvriendelijke mobiele app. Binnen vijf minuten kunnen artsen de stem van een patiënt opnemen, analyseren en direct een indicatie krijgen van het risico op larynxkanker. De app past binnen de workflow van drukke klinieken en verzamelt tegelijkertijd waardevolle gegevens voor verder onderzoek.
De volgende stap is een gerandomiseerde klinische studie, waarin huisartsenpraktijken met en zonder de app worden vergeleken. Doel: inzicht krijgen in het effect op doorverwijstijden, tumorgrootte bij diagnose en mogelijk zelfs de overlevingskansen van patiënten.
Stemdiagnostiek
Stemdiagnostiek is een relatief nieuwe ontwikkeling binnen de zorg. Vorig jaar, tijdens de ICT&health World Conference, gaf Longarts Sami Simons (MUMC+) een aantal presentaties over de ontwikkeling van een app die met behulp van stemanalyse een naderende COPD-aanval kan voorspellen. De app herinnert patiënten dagelijks om een tekst of klank in te spreken. Door veranderingen in stemgeluid te koppelen aan symptomen, kan via machine learning een aanval in een vroeg stadium worden gesignaleerd.
In een eerste pilot, waaraan 74 patiënten deelnamen, werd de app al getest. De patiënten leverden via de app drie maanden lang dagelijks hun stemopnames aan, samen met symptomenlijsten. De app verzamelt data en leert patronen te herkennen die wijzen op een exacerbatie.
