Da percepção clínica ao big data: como o SPIRA-BM transforma pistas na voz em parâmetros mensuráveis e escaláveis
Todo médico com alguma experiência já “ouviu” uma doença antes de confirmá-la em exame. É uma percepção quase intuitiva, construída na prática clínica, difícil de explicar em números. Um dos desafios do SPIRA-BM é justamente esse: pegar essa intuição e transformá-la em dado, algo que um algoritmo consiga medir, comparar e replicar. Nesta reportagem, três pesquisadoras do projeto, vindas de campos diferentes, mostram como esse processo acontece na prática.
A pista que a clínica já reconhece
Começamos com a cardiologista Jaqueline Scholz, do InCor-HCFMUSP. Ela descreve o que já é quase senso comum entre quem trata pacientes fumantes: a voz muda de timbre, fica mais grave e mais rouca, um efeito da inflamação nas pregas vocais causada pela exposição ao cigarro. É uma mudança mais evidente em mulheres, já que a voz feminina naturalmente mais aguda torna o engrossamento mais perceptível, e vem acompanhada de outro sinal sutil: um esforço maior para simplesmente sustentar a fala por mais tempo. Esses relatos, colhidos em consultório, são o ponto de partida. Mas, sozinhos, ainda são impressão clínica, não dado.
Um marcador que também vem do ritmo da fala
A linguista Flaviane Romani Fernandes Svartman trabalha com os áudios coletados no projeto, incluindo os pacientes com asma grave e grupo controle. Dentre os aspectos observados por ela estão a duração das pausas entre as palavras. Segundo a pesquisadora, esse marcador dificilmente seria notado a olho nu num consultório, mas aparece de forma consistente quando analisado estatisticamente, com intensidades diferentes conforme a condição estudada: muito exacerbado em pacientes de COVID-19, e presente de forma mais intermediária em pacientes com asma, uma das linhas de pesquisa do SPIRA-BM dedicada especificamente a esse quadro.
Transformando percepção em número
Por sua vez, a fonoaudióloga e linguista Larissa Berti, da UNESP, também integrante do SPIRA-BM. Ela explica que, dentro do projeto, um biomarcador é definido como um parâmetro extraído diretamente do sinal de áudio, relacionado tanto à voz quanto à fala. Entre eles estão a frequência fundamental, que corresponde à altura percebida da voz e ajuda a captar exatamente o tipo de alteração de timbre descrita por Jaqueline, além de jitter, shimmer e a relação ruído-harmônico, medidas mais finas de estabilidade vocal. Não por acaso, o protocolo de coleta do projeto inclui a emissão sustentada de uma vogal como tarefa central, uma escolha “muito consensual na área”, segundo Larissa, justamente porque isola a fonte de produção da voz de outros elementos da fala.
Da intuição ao dado replicável
O caminho entre “eu percebo que essa pessoa está doente pela voz” e “esse sistema identifica, com dados, sinais de uma condição respiratória” não é direto. Passa por transformar observações clínicas e achados linguísticos em parâmetros acústicos padronizados, capazes de serem medidos da mesma forma em qualquer paciente, em qualquer coleta, em qualquer linha do projeto.
Transformar voz em parâmetro é só a primeira etapa. Para que esses parâmetros virem, de fato, uma ferramenta diagnóstica confiável, é preciso alimentá-los em quantidade suficiente para que um modelo de inteligência artificial aprenda a reconhecer padrões com segurança, e é aí que entra a frente de big data do SPIRA-BM. Cada vogal sustentada, cada pausa medida, cada variação de frequência captada em consultório se transforma em um dado entre milhares, processado por algoritmos de aprendizado de máquina treinados para separar sinal de ruído e identificar, com consistência estatística, o que distingue uma voz saudável de uma voz sob efeito de tabagismo, asma ou insuficiência respiratória. É a escala que transforma um achado clínico pontual, ou um padrão linguístico observado em poucos pacientes, em uma tecnologia capaz de rodar num celular comum e chegar a quem hoje tem menos acesso a um especialista treinado para “ouvir” essas pistas.
