Stem als analyse: vroege signalen van kanker en goedaardige afwijkingen

Onderzoekers van Oregon Health & Science University analyseerden spraakopnames uit de nieuwe, openbaar beschikbare Bridge2AI-Voice-dataset en ontdekten een eenvoudige akoestische functie die pathologie van stembanden kan onthullen. We hebben het over de harmonische-ruisverhouding (HNR) – de verhouding tussen "muzikale boventonen" en ruis. Het niveau en de variabiliteit ervan onderscheidden de stemmen van mensen met strottenhoofdkanker en goedaardige afwijkingen van gezonde stemmen en sommige andere stemstoornissen. Het effect was vooral duidelijk bij cisgender mannen; statistische significantie was onvoldoende voor vrouwen – de auteurs wijten dit aan de kleine steekproefomvang en pleiten voor een uitbreiding van de data. Het werk werd gepubliceerd als een kort rapport in Frontiers in Digital Health.

Achtergrond van de studie

• Waarom überhaupt zoeken naar "stemkenmerken"? Heesheid is een veelvoorkomende klacht. De oorzaken zijn divers: van verkoudheid en reflux tot knobbeltjes/poliepen en strottenhoofdkanker. Momenteel is de weg naar de diagnose een bezoek aan een KNO-arts en een endoscopie (een camera in de neus/keel). Deze methode is nauwkeurig, maar niet altijd snel beschikbaar en niet geschikt voor zelfmonitoring thuis. Prescreening is nodig: een eenvoudige manier om te bepalen wie er als eerste naar de dokter moet.
• Wat is een stembiomarker? Spraak is een signaal dat gemakkelijk met een telefoon kan worden opgenomen. Het "patroon" ervan kan worden gebruikt om te beoordelen hoe de stembanden trillen. Laesies maken de trillingen ongelijkmatig: meer "ruis" en minder "muziek".
• Waarom nieuwe datasets belangrijk zijn. Voorheen waren dergelijke werken gebaseerd op kleine, 'zelfgemaakte' samples – de modellen waren kwetsbaar. Bridge2AI-Voice is een grote, multicenter, ethisch verzamelde set audio-opnames gekoppeld aan diagnoses. Het werd ontwikkeld als een 'gemeenschappelijke testomgeving' om algoritmen te trainen en testen op grote en heterogene data.
• Waar liggen de grootste moeilijkheden?
  • De stem verandert door de microfoon, omgevingsgeluiden, kou, roken, taal, geslacht en leeftijd.
  • Traditioneel gezien zijn er minder gegevens over vrouwen en de stem van vrouwen wordt vaker gehoord. Metrieken gedragen zich anders.
  • Geen enkele thuistest kan een onderzoek vervangen of een diagnose stellen - het helpt hooguit om te beslissen: "Is het nodig om dringend een KNO-arts te raadplegen?"
• Waarom hebben de kliniek en de patiënten dit nodig? Als mensen met een hoog risico op lymfeklieren/tumoren via een korte afspraak voor een prioritaire afspraak kunnen worden geselecteerd, versnelt dit de diagnostiek, vermindert het onnodige verwijzingen en biedt het een hulpmiddel voor zelfmonitoring tussen bezoeken (na de operatie, tijdens de behandeling).
• Waar dit toe moet leiden: Gevalideerde telegeneeskunde-applicaties/modules die:
  1. schrijf een toespraak volgens de standaard (zin + uitgesponnen “aaa”),
  2. basiskenmerken berekenen (HNR, jitter, shimmer, F0),
  3. een aanbeveling doen om contact op te nemen met een specialist als het profiel alarmerend is,
  4. om de dynamiek na de behandeling te behouden.

Het idee is simpel: ‘bel de telefoon naar een KNO-arts’ – niet voor een diagnose, maar om degenen die snel persoonlijke hulp nodig hebben, niet te missen.

Wat deden ze precies?

• We hebben de eerste release van de multicenter, ethisch verzamelde Bridge2AI-Voice-dataset gebruikt, een toonaangevend NIH-project waarbij stemopnames worden gekoppeld aan klinische informatie (diagnoses, vragenlijsten, enz.).
• Er werden twee analytische monsters gevormd:
  1. "strottenhoofdkanker / goedaardige lymfeklieren / gezond";
  2. "kanker of goedaardige knobbeltjes" versus spasmodische dysfonie en verlamming van de stembanden (andere veelvoorkomende oorzaken van heesheid).
• Basiskenmerken van de stem werden geïdentificeerd uit gestandaardiseerde zinnen: grondtoon (F0), jitter, shimmer en HNR, en de groepen werden vergeleken met behulp van non-parametrische statistieken. Resultaat: de meest stabiele verschillen werden gevonden in HNR en F0, waarbij HNR en de variabiliteit ervan goedaardige laesies het beste onderscheidden van zowel de normale als de strottenhoofdkanker. Deze signalen waren duidelijker bij mannen.

Waarom is dit belangrijk?

• Vroege screening zonder sonde. Momenteel verloopt de diagnose vaak via een naso-endoscopie en, bij verdenking, een biopsie. Als eenvoudige akoestische technieken in combinatie met AI ervoor kunnen zorgen dat patiënten die een endoscopie nodig hebben, sneller bij de KNO-arts terechtkomen en onnodige verwijzingen worden verminderd. Dit is een aanvulling op de arts, geen vervanging.
• Big data voor stem. Bridge2AI-Voice is een uniek project waarbij stemgeluid wordt verzameld met behulp van uniforme protocollen en gekoppeld aan diagnoses; de data zijn beschikbaar voor onderzoekers via PhysioNet / Health Data Nexus. Dit versnelt de ontwikkeling van betrouwbare stembiomarkers in plaats van 'wonder-apps' op kleine monsters.

Wat is HNR?

Wanneer we spreken, trillen de stembanden en creëren ze boventonen (harmonischen). Maar de trilling is nooit perfect – er zit altijd ruis in het signaal. HNR is simpelweg de hoeveelheid "muziek" die er in de stem zit, meer dan "gesis". Wanneer de stembanden beschadigd raken, wordt de trilling minder gelijkmatig – er is meer ruis, HNR daalt en de sprongen (variabiliteit) nemen toe. Dit is het patroon dat de auteurs hebben ontdekt.

Belangrijke disclaimers

• Dit is een verkennende pilotanalyse: zonder klinische validatie, met beperkingen op de steekproef van vrouwen - waardoor hun effecten niet significant waren. Er zijn grotere en meer diverse gegevens en het "roasten" van modellen in verschillende klinieken en in verschillende talen nodig.
• De stem is een 'meervoudig waardevol' ding: hij wordt beïnvloed door verkoudheid, roken, reflux, een microfoon, lawaai in de kamer. Elke 'thuistest' zou rekening moeten kunnen houden met de context – en toch dienen als filter voor een verwijzing naar een KNO-arts, en niet als een doorklikdiagnose.

Wat nu?

• Breid de dataset uit (ook voor vrouwen en leeftijden), standaardiseer taken en akoestiek (het lezen van een zin, verlengde “aaa”, enz.), probeer multimodale modellen (stem + vragenlijstsymptomen/risicofactoren).
• Koppel akoestische signalen aan onderzoeksresultaten (endoscopie, stroboscopie) en dynamiek na de behandeling, zodat het HNR-profiel ook voor monitoring kan worden gebruikt.
• Zet de ‘open science’ voort: Bridge2AI-Voice publiceert nu al versies van de dataset en tools. Dit is een kans om snel echte pilotprojecten in klinieken te bereiken.

Conclusie

Het is mogelijk om stembandproblemen te 'horen' aan de stem – en de persoon mogelijk eerder door te verwijzen naar de juiste specialist. Voorlopig is het een aardige aanwijzing (HNR en de variabiliteit ervan), maar dankzij grote hoeveelheden open data krijgen stembiomarkers eindelijk de kans om een betrouwbare screeningstool te worden.

Bron: Jenkins P. et al. Stem als biomarker: Exploratieve analyse voor goedaardige en kwaadaardige stemplooilaesies. Frontiers in Digital Health, 2025 (geaccepteerd voor publicatie). Data — Bridge2AI-Voice (NIH/PhysioNet).