نموذج ذكاء اصطناعي يحدد مصدر الشخير في مجرى الهواء بدقة واعدة

كشفت دراسة نشرت في مجلة " Scientific Reports "، عن إطار عمل جديد يجمع بين تقنيات الذكاء الاصطناعي وتحليل الإشارات الصوتية لتحديد المصدر التشريحي للشخير بدقة أعلى مقارنة بعدد من النماذج التقليدية والمتقدمة.

ويعد الشخير من أبرز أعراض انقطاع النفس الانسدادي النومي، وهي حالة تنتج عن انسداد أو اهتزاز أجزاء مختلفة من مجرى الهواء العلوي، مثل الحنك الرخو، وقاعدة اللسان، ولسان المزمار، وجدران البلعوم الفموي الجانبية، بحسب موقع " news-medical ".

اقرأ أيضًا| "مش مجرد إزعاج".. الشخير إنذار مبكر لمشكلة في التنفس

واعتمد الباحثون على تحويل أصوات الشخير إلى مخططات طيفية باستخدام تقنية تحويل فورييه قصير المدى (STFT)، التي تحافظ على المعلومات الزمنية والترددية للإشارة الصوتية.

واستخدمت شبكات عصبية تلافيفية مدربة مسبقا لاستخلاص السمات المهمة من هذه المخططات، قبل أن تتولى خوارزمية آلة المتجهات الداعمة (SVM)، تصنيف مصدر الشخير إلى أربع فئات تمثل مناطق مختلفة من مجرى الهواء.

واختبر الفريق النموذج باستخدام مجموعة بيانات ميونخ باساو لأصوات الشخير (MPSSC)، والتي تضم تسجيلات مصنفة بحسب مصدر الشخير التشريحي، وللتغلب على عدم توازن البيانات، استخدم الباحثون تقنيات لزيادة عدد العينات في الفئات الأقل تمثيلا قبل تدريب النموذج.

وأظهرت النتائج أن أفضل نسخة من النموذج حققت معدل استدعاء موحد (UAR) بلغ 67.1% على مجموعة الاختبار، وهو أعلى أداء بين جميع النماذج التي جرى مقارنتها، بما في ذلك نماذج متقدمة مثل WavLM وwav2vec 2.0 وAST، إضافة إلى نماذج الشبكات العصبية التقليدية.

كما أظهرت اختبارات الباحثين أن إزالة أي مكون من مكونات النموذج أدى إلى تراجع ملحوظ في الأداء، حيث انخفضت دقة التصنيف بما يتراوح بين 7.5 و21.3 نقطة مئوية، ما يؤكد أهمية التكامل بين تحليل الترددات، واستخلاص السمات، وخوارزمية التصنيف.

ورغم النتائج الواعدة، أشار الباحثون إلى أن النموذج لا يزال بحاجة إلى اختبارات سريرية مستقلة على مجموعات بيانات أكبر وأكثر تنوعا، للتأكد من دقته وقدرته على العمل في البيئات الطبية الواقعية قبل اعتماده كأداة مساعدة في تشخيص اضطرابات النوم.