Pausas, ruídos e padrões acústicos ajudam modelos computacionais a identificar sinais associados a condições respiratórias
A análise da voz humana por sistemas de inteligência artificial envolve a transformação da fala em dados acústicos capazes de alimentar modelos computacionais. No SPIRA-BM, esse processo depende da articulação entre diferentes áreas do conhecimento para interpretar variações como pausas, entonação e qualidade vocal. Esses elementos são analisados em conjunto com dados clínicos e estruturados em modelos de aprendizado de máquina voltados à identificação de padrões associados a condições respiratórias.
Voz como dado: entre linguagem, corpo e análise acústica
No SPIRA-BM, a voz é tratada como um sinal que pode ser decomposto em diferentes dimensões analíticas, envolvendo aspectos físicos e linguísticos da produção da fala. A professora Beatriz Raposo de Medeiros, da Universidade de São Paulo (USP), especialista em fonética e fonologia e integrante da frente de análise acústica do projeto, explica que diferentes tipos de tarefa de coleta permitem observar propriedades distintas da fala.
Segundo a pesquisadora, a produção de uma vogal sustentada permite isolar características diretamente ligadas à produção vocal, enquanto a leitura de frases e o uso de parlendas mobilizam também aspectos prosódicos e linguísticos. Essa variedade de formatos é considerada importante para capturar diferentes níveis de organização da fala em contextos de análise.
Pausas e organização da fala como elementos de análise
A dimensão linguística também contribui para a interpretação dos dados no projeto. A professora Flaviane Svartman, da USP, linguista e pesquisadora da área de fonologia e prosódia e integrante da frente de análise linguística do SPIRA-BM, observa que pausas não são apenas interrupções, mas elementos estruturais da organização da fala.
De acordo com suas análises, em casos associados à COVID-19, as pausas tendem a ser mais longas e podem ocorrer em posições que não coincidem com padrões esperados da gramática do português brasileiro. Já em casos de asma, essas alterações aparecem de forma mais moderada, ocupando uma posição intermediária em relação ao grupo controle. Esses padrões são incorporados às análises como parte da caracterização linguística da fala.
Como os modelos computacionais processam a fala
Na dimensão computacional, o SPIRA-BM utiliza modelos de aprendizado de máquina baseados em redes neurais para analisar os áudios coletados. O professor Marcelo Finger, do Instituto de Matemática e Estatística da USP (IME-USP), coordenador do projeto e pesquisador em inteligência artificial, descreve que esses modelos são construídos a partir de conjuntos de dados compostos por áudios de pacientes e de grupos controle.
Segundo ele, os modelos passam por um processo de treinamento no qual são apresentados aos dados e ajustam suas previsões com base nos erros observados ao longo desse processo. À medida que são refinados, tornam-se mais precisos na tarefa de classificação entre diferentes condições analisadas no projeto.
O professor Marcelo Gauy, da Universidade Estadual Paulista (UNESP), pesquisador em aprendizado de máquina e integrante da frente de big data do SPIRA-BM, explica que os modelos conseguem identificar padrões presentes nos áudios, como pausas e entonação, que são utilizados como parte do processo de classificação das condições respiratórias.
Ruído e variabilidade nos dados de áudio
Um dos desafios do projeto está relacionado à diferença entre os ambientes de coleta dos áudios. Como os registros são feitos em contextos distintos, como hospitais e ambientes externos, há o risco de que os modelos aprendam características associadas ao ambiente de gravação em vez de aspectos da fala.
Para lidar com essa questão, o projeto adotou estratégias de balanceamento dos dados, incluindo a simulação de ruídos hospitalares em gravações do grupo controle. O objetivo é reduzir a influência de fatores externos e garantir que a análise esteja centrada na voz e na fala.
Um sistema interdisciplinar de análise da fala
O SPIRA-BM reúne diferentes áreas do conhecimento na construção de seus protocolos de coleta e análise. A professora Larissa Cristina Berti, da Universidade Estadual Paulista (UNESP), fonoaudióloga e linguista e integrante da frente de coleta e análise de voz do projeto, destaca a importância da definição cuidadosa das tarefas de gravação e do treinamento dos coletores, de modo a garantir consistência metodológica.
No campo clínico, o professor Celso Carvalho, da Faculdade de Medicina da USP (FMUSP), especialista em fisioterapia respiratória e integrante da frente médica do SPIRA-BM, aponta que os biomarcadores de voz podem funcionar como ferramenta de apoio à triagem de pacientes com doenças respiratórias, especialmente em condições como a asma, contribuindo para o acompanhamento clínico e identificação de possíveis agravamentos.
