Test głosu – czy analiza mowy może wykrywać choroby i jak działa

Analiza mowy to dziś praktyczne wsparcie w wykrywaniu chorób, ale pełni rolę testu przesiewowego – nie zastępuje diagnozy lekarskiej. Polega na badaniu tysięcy parametrów głosu z użyciem algorytmów AI, które wychwytują wzorce powiązane ze stanem zdrowia.

Czym jest „test głosu”?

Ludzki głos zawiera ogromną liczbę mierzalnych cech – mówi się nawet o 200 000 różnorodnych parametrach akustycznych. Do najważniejszych należą m.in.: wysokość tonu, tempo mowy, rytm, liczba pauz, natężenie, drżenie i barwa dźwięku. Te cechy określa się jako biomarkery głosowe (lub wokalne).

Badania wskazują, że takie biomarkery mogą być powiązane z:

• chorobami neurodegeneracyjnymi (np. Parkinson, Alzheimer),
• chorobami serca i układu krążenia (np. choroba wieńcowa, niewydolność serca),
• cukrzycą typu 2,
• zaburzeniami psychicznymi (depresja, PTSD).

W praktyce z kilku sekund próbki głosu można wyodrębnić zestaw cech, które statystycznie częściej występują u osób z daną chorobą niż u osób zdrowych.

Jak działa analiza mowy od strony technologicznej?

Schemat działania typowego „testu głosu” można streścić w kilku krokach:

1. Pozyskanie nagrania

Przykładowe formy nagrania to:

• krótka wypowiedź (np. 6–10 sekund rozmowy telefonicznej),
• powtarzanie określonych dźwięków, np. samogłoski „A” przez kilka sekund,
• czytanie przygotowanego tekstu lub wykonywanie prostych zadań językowych.

Nagranie może powstać w gabinecie, na telefonie lub w aplikacji webowej; jakość dźwięku ma znaczenie, ale nowoczesne algorytmy potrafią usuwać część zakłóceń.

2. Wstępne przetwarzanie sygnału

Typowe działania obejmują:

• usuwanie szumów i zakłóceń tła,
• normalizację głośności,
• podział na krótkie fragmenty (ramki czasowe), na których liczone są parametry akustyczne.

3. Ekstrakcja cech akustycznych

System oblicza setki lub tysiące cech opisujących sygnał mowy, np.:

• wysokość tonu (pitch), jitter (nieregularność drgań),
• tempo mowy, liczbę pauz, długość samogłosek,
• współczynniki MFCC (Mel-Frequency Cepstral Coefficients), standard w analizie mowy i rozpoznawaniu mówcy,
• parametry energii i widma częstotliwościowego.

W jednym z badań nad cukrzycą typu 2 z ponad 18 000 próbek głosu wybrano 14 cech akustycznych, które najlepiej odróżniały osoby zdrowe od chorych.

4. Analiza z użyciem sztucznej inteligencji

Na tym etapie wchodzi uczenie maszynowe:

• modele klasyfikacyjne (np. sieci neuronowe) uczą się różnic między głosem osób z daną chorobą a osób zdrowych,
• do analizy często dołącza się proste dane zdrowotne (wiek, płeć, wzrost, waga), co może istotnie poprawić trafność przewidywań,
• wynik ma zwykle postać prawdopodobieństwa (np. „podwyższone ryzyko cukrzycy typu 2”), a nie twardej diagnozy.

Polskie i zagraniczne badania wskazują, że taka analiza może działać nawet na smartfonach, co otwiera drogę do zdalnego monitorowania zdrowia.

Jakie choroby można wykrywać w głosie?

1. Choroby neurodegeneracyjne (Alzheimer, Parkinson)

Najważniejsze wnioski z badań i praktyki klinicznej:

• analiza akustyczna mowy osób z chorobą Parkinsona może być biomarkerem wczesnej progresji choroby i oceny skuteczności leczenia,
• prace badawcze wskazują, że analiza mowy jest kluczowym narzędziem do wczesnego rozpoznawania zmian neurodegeneracyjnych,
• we Wrocławiu opracowano metodę akustycznej analizy głosu jako tani i skuteczny sposób wczesnego wykrywania i monitorowania choroby Alzheimera.

Przykładowe testy polegają na wielokrotnym powtarzaniu tej samej głoski lub słów oraz analizie długości dźwięków i rozkładu energii – zaburzenia w połączeniach między mózgiem a aparatem mowy zmieniają sposób artykulacji.

2. Choroby serca

Co mówią badania:

• głos zawiera mierzalne parametry (tempo mowy, liczba pauz, drżenie, barwa), które mogą tworzyć biomarkery głosowe związane z chorobami serca,
• specyficzne wzorce głosowe bywają skorelowane z chorobą wieńcową, procesami zapalnymi i stresem psychospołecznym; ich analiza może przewidywać zdarzenia kardiologiczne niezależnie od klasycznych skal ryzyka,
• rozwijane są narzędzia oparte na analizie głosu, które mogą pozwalać na wczesne wykrywanie zaostrzeń niewydolności serca i zdalne monitorowanie pacjentów.

3. Cukrzyca typu 2 i miażdżyca

Wybrane wyniki i projekty:

• badanie opublikowane w Mayo Clinic Proceedings: Digital Health wykazało, że krótka (6–10 s) sekwencja mowy może z dużą dokładnością wskazywać obecność cukrzycy typu 2,
• w połączeniu z podstawowymi danymi zdrowotnymi sztuczna inteligencja osiągnęła trafność rzędu 89% u kobiet i 86% u mężczyzn,
• polscy badacze opracowali prototyp aplikacji wykrywającej w głosie znamiona miażdżycy lub cukrzycy; wstępne wyniki są obiecujące, choć wymagają dalszej weryfikacji statystycznej.

4. Zaburzenia psychiczne i stres

Analiza wzorców mowy może dostarczać istotnych wskazówek w diagnozie depresji, zaburzeń lękowych czy zespołu stresu pourazowego.

AI potrafi rozpoznać nienaturalnie chaotyczny, impulsywny styl wypowiedzi, co może wspierać ocenę np. ADHD – ostateczną diagnozę zawsze stawia wykwalifikowany personel medyczny.

Czy test głosu może zastąpić lekarza?

Krótko: nie. Analiza głosu jest dodatkowym narzędziem, które może:

• sygnalizować podwyższone ryzyko określonej choroby (test przesiewowy),
• pomóc w wczesnym wykrywaniu i monitorowaniu przebiegu chorób,
• stać się elementem zdalnej opieki (telemedycyna, monitoring pacjentów).

Jednocześnie:

• kilka próbek głosu nie wystarcza do postawienia rzetelnej diagnozy,
• istnieje ryzyko fałszywie dodatnich wyników i nadmiernego diagnozowania – narzędzie może „widzieć chorobę”, której w rzeczywistości nie ma,
• specjaliści podkreślają, że analiza głosu nie powinna zastępować oceny lekarza, a jedynie ją wspierać.

Odpowiedzialne rozwiązania nie mogą obiecywać diagnozy, a jedynie „wstępną ocenę ryzyka” lub „sygnał alarmowy wymagający konsultacji medycznej”.

Zastosowania biznesowe – gdzie test głosu ma sens?

Choć wiele projektów pozostaje w fazie badań, kierunki komercjalizacji stają się coraz wyraźniejsze.

1. Telemedycyna i zdalne monitorowanie pacjentów

Przykładowe scenariusze użycia:

• aplikacje mobilne i serwisy WWW, które regularnie analizują głos pacjenta z chorobą serca, demencją czy cukrzycą,
• systemy powiadomień dla lekarzy przy wykryciu istotnych zmian w biomarkerach głosowych (np. ryzyko zaostrzenia niewydolności serca),
• integracja z platformami e‑zdrowia i elektroniczną dokumentacją medyczną.

2. Prewencja i programy zdrowotne w firmach

„Voice check” może stać się elementem profilaktyki: szybkim testem przesiewowym pod kątem obciążenia stresem, wyczerpania czy ryzyka chorób krążenia.

Możliwe są też narzędzia dla ubezpieczycieli zdrowotnych (innowacyjne produkty insurtech) – pod warunkiem rygorystycznego przestrzegania prawa i etyki przetwarzania danych zdrowotnych.

3. Rozwiązania B2B dla sektora medycznego

Moduły analizy mowy mogą wspierać systemy teleporad, platformy rejestracji online oraz aplikacje szpitalne.

Powstają również specjalistyczne rozwiązania dla neurologii, kardiologii i psychiatrii, które wspierają diagnostykę i monitorowanie terapii.

4. AI‑as‑a‑service dla analizy głosu

Na rynku pojawiają się firmy rozwijające silniki analizy mowy i głosu jako usługę (API), którą można wbudować w dowolną aplikację – od call center po platformy zdrowotne. Dla twórców oprogramowania oznacza to możliwość szybkiego testowania koncepcji bez budowania własnej infrastruktury od zera.

Ryzyka, regulacje i etyka

1. Dane zdrowotne i prywatność

Analiza głosu w kontekście zdrowia to przetwarzanie danych wrażliwych – informacji o stanie zdrowia użytkownika.

Kluczowe kwestie:

• świadoma zgoda użytkownika na konkretny cel przetwarzania (np. profilaktyka, monitoring leczenia),
• przechowywanie danych w formie możliwie zanonimizowanej i minimalizacja danych dodatkowych (np. lokalizacja, dane behawioralne),
• zgodność z przepisami ochrony danych osobowych oraz regulacjami dotyczącymi wyrobów medycznych.

2. Ryzyko błędów i nadinterpretacji

Najważniejsze zagrożenia to:

• fałszywie dodatnie wyniki mogą prowadzić do niepotrzebnego stresu i zbędnych konsultacji,
• fałszywie ujemne wyniki mogą dawać poczucie fałszywego bezpieczeństwa, jeśli użytkownik potraktuje test jako „zastępnik” badań diagnostycznych,
• modele AI uczą się na danych historycznych – ich jakość, różnorodność demograficzna i liczba próbek silnie wpływają na wiarygodność narzędzia.

3. Transparentność i odpowiedzialna komunikacja

Dla twórców komercyjnych rozwiązań kluczowe jest:

• bardzo precyzyjne informowanie, że test głosu nie jest diagnozą, lecz narzędziem wspomagającym,
• jasne wskazanie zakresu zastosowania (np. „wspomaga wykrywanie ryzyka cukrzycy typu 2 u dorosłych”) i ograniczeń (np. brak zastosowania u dzieci, w określonych zaburzeniach mowy),
• wykorzystywanie testów głosu w połączeniu z innymi danymi (objawy, wyniki badań, wywiad lekarski), a nie zamiast nich.

Jak projektować rozwiązanie „test głosu” w praktyce (perspektywa biznes/tech)?

Dla firm technologicznych i startupów szczególnie istotne są poniższe zasady:

• Najpierw problem kliniczny – skupienie na konkretnej ścieżce diagnostycznej (np. wczesna ocena ryzyka niewydolności serca) ułatwia dobór cech głosu, modeli AI i metryk jakości;
• Współpraca z ośrodkami medycznymi – dostęp do zweryfikowanych danych, wsparcie w projektowaniu badań klinicznych i wiarygodna walidacja to warunek uznania rozwiązania za wyrób medyczny;
• Architektura pod skalowalność i bezpieczeństwo – przetwarzanie sygnału i modeli wymaga odpowiedniej infrastruktury: bezpiecznego składowania nagrań, mechanizmów audytu oraz kontroli dostępu;
• UX, który nie „obiecuje za dużo” – interfejs powinien prezentować wyniki jako „wskaźnik ryzyka” lub „komunikat: skonsultuj się z lekarzem”, a nie jako kategoryczną diagnozę.

Co to oznacza dla przeciętnego użytkownika?

W praktyce możesz spodziewać się następujących zmian:

• coraz większej liczby aplikacji, które „słuchają” głosu i proponują wstępną ocenę ryzyka wybranych chorób – zwłaszcza serca, neurodegeneracyjnych i cukrzycy,
• narzędzi przydatnych jako łatwo dostępny, szybki test przesiewowy i element długoterminowego monitoringu,
• wyników, które nie zastępują wizyty u lekarza – analiza mowy uzupełnia klasyczną diagnostykę, a nie ją wypiera.

Dla biznesu to sygnał, że głos przestaje być tylko nośnikiem treści, a staje się ważnym źródłem danych zdrowotnych – z ogromnym potencjałem, ale też z równie dużą odpowiedzialnością.