{"id":807,"date":"2026-04-14T17:36:09","date_gmt":"2026-04-14T20:36:09","guid":{"rendered":"https:\/\/spira.ime.usp.br\/?p=807"},"modified":"2026-04-14T17:36:13","modified_gmt":"2026-04-14T20:36:13","slug":"small-data-e-big-data-como-o-spira-bm-analisa-voz-e-fala-para-investigar-a-saude-respiratoria","status":"publish","type":"post","link":"https:\/\/spira.ime.usp.br\/en\/2026\/04\/14\/small-data-e-big-data-como-o-spira-bm-analisa-voz-e-fala-para-investigar-a-saude-respiratoria\/","title":{"rendered":"Small data e big data: como o SPIRA-BM analisa voz e fala para investigar a sa\u00fade respirat\u00f3ria"},"content":{"rendered":"

Pesquisa articula an\u00e1lise ac\u00fastica detalhada e modelos de intelig\u00eancia artificial para transformar sinais da voz e fala em indicadores de sa\u00fade<\/strong><\/p>\n\n\n\n

No SPIRA-BM, a an\u00e1lise de \u00e1udios de voz e fala n\u00e3o segue um \u00fanico caminho. O projeto combina diferentes formas de trabalhar os dados para investigar condi\u00e7\u00f5es respirat\u00f3rias, como insufici\u00eancia respirat\u00f3ria, efeitos do tabagismo e asma grave. Essa estrat\u00e9gia integra a an\u00e1lise ac\u00fastica dos sinais, voltada \u00e0 identifica\u00e7\u00e3o de caracter\u00edsticas espec\u00edficas da voz, com o uso de modelos de aprendizado de m\u00e1quina, capazes de reconhecer padr\u00f5es em grandes conjuntos de dados.<\/p>\n\n\n\n

No desenvolvimento das pesquisas do SPIRA, os \u00e1udios coletados n\u00e3o s\u00e3o tratados apenas como registros sonoros, mas como fontes de dados que podem ajudar a apontar informa\u00e7\u00f5es sobre o estado de sa\u00fade dos pacientes. Para isso, o projeto organiza o processamento desses dados em duas frentes complementares: a an\u00e1lise ac\u00fastica e o aprendizado de m\u00e1quina.<\/p>\n\n\n\n

Quando o \u00e1udio \u00e9 analisado em detalhe<\/strong><\/p>\n\n\n\n

A an\u00e1lise ac\u00fastica trabalha com a investiga\u00e7\u00e3o direta das propriedades do som. Nessa abordagem, o objetivo \u00e9 identificar caracter\u00edsticas da voz e da fala que possam estar associadas a condi\u00e7\u00f5es respirat\u00f3rias.<\/p>\n\n\n\n

O sinal captado pelos celulares dos coletadores do projeto passa por etapas de transforma\u00e7\u00e3o para permitir sua an\u00e1lise. Entre as formas de representa\u00e7\u00e3o utilizadas est\u00e3o aquelas que descrevem como a energia do som se distribui ao longo do tempo e das frequ\u00eancias. A partir dessas representa\u00e7\u00f5es, s\u00e3o extra\u00eddas caracter\u00edsticas ac\u00fasticas que ajudam a evidenciar padr\u00f5es presentes no \u00e1udio.<\/p>\n\n\n\n

Larissa Berti, uma das pesquisadoras do projeto que atua nessa frente, explica que o pr\u00f3prio conceito de biomarcador de \u00e1udio utilizado na pesquisa ainda est\u00e1 em consolida\u00e7\u00e3o no campo cient\u00edfico:<\/p>\n\n\n\n

\u201cN\u00e3o existe uma resposta \u00fanica e simples. H\u00e1 um esfor\u00e7o internacional recente para definir o que \u00e9 um biomarcador. No contexto do SPIRA, trabalhamos com a ideia de que s\u00e3o par\u00e2metros extra\u00eddos do sinal de \u00e1udio, relacionados tanto \u00e0 voz quanto \u00e0 fala.\u201d<\/p>\n\n\n\n

Esses par\u00e2metros correspondem a caracter\u00edsticas ac\u00fasticas que podem ser analisadas diretamente a partir dos \u00e1udios coletados. Entre elas, est\u00e3o elementos da fala, como pausas e entoa\u00e7\u00e3o, e aspectos da voz, como frequ\u00eancia fundamental, medidas de varia\u00e7\u00e3o como jitter e shimmer e a rela\u00e7\u00e3o entre ru\u00eddo e harm\u00f4nicos.<\/p>\n\n\n\n

\u201cS\u00e3o caracter\u00edsticas ac\u00fasticas que podem ser usadas para predizer uma condi\u00e7\u00e3o. No projeto, esses par\u00e2metros de voz e fala s\u00e3o investigados como formas de identificar condi\u00e7\u00f5es respirat\u00f3rias.\u201d, explica Larissa.<\/p>\n\n\n\n

O uso de grandes conjuntos de dados na an\u00e1lise de \u00e1udio<\/strong><\/p>\n\n\n\n

Em paralelo, o projeto utiliza t\u00e9cnicas de aprendizado de m\u00e1quina para explorar os dados em maior escala. Ap\u00f3s a coleta e o pr\u00e9-processamento, os \u00e1udios s\u00e3o organizados em conjuntos de dados que servem de base para o treinamento de modelos computacionais.<\/p>\n\n\n\n

Esses modelos s\u00e3o desenvolvidos para realizar diferentes tarefas, como classificar a presen\u00e7a de insufici\u00eancia respirat\u00f3ria, estimar indicadores associados ao tabagismo ou prever eventos em pacientes com asma grave. Para isso, s\u00e3o empregadas arquiteturas de redes neurais capazes de identificar padr\u00f5es complexos nos dados de \u00e1udio.<\/p>\n\n\n\n

Diferentemente da an\u00e1lise ac\u00fastica, que se concentra em caracter\u00edsticas espec\u00edficas do sinal, os modelos de aprendizado de m\u00e1quina operam a partir do reconhecimento de padr\u00f5es em grandes volumes de dados. Isso permite ampliar a capacidade de an\u00e1lise e explorar rela\u00e7\u00f5es que n\u00e3o s\u00e3o diretamente observ\u00e1veis.<\/p>\n\n\n\n

Conforme o pesquisador Arnaldo Candido Junior, integrante da equipe do SPIRA-BM que atua com modelagem de dados, os sistemas utilizados no projeto s\u00e3o baseados em um tipo espec\u00edfico de aprendizado de m\u00e1quina:<\/p>\n\n\n\n

\u201cS\u00e3o modelos de aprendizado de m\u00e1quina, em particular redes neurais artificiais. Eles s\u00e3o parcialmente inspirados no funcionamento do c\u00e9rebro humano, nos neur\u00f4nios biol\u00f3gicos, mas com diferen\u00e7as importantes. Uma caracter\u00edstica desse tipo de modelo \u00e9 que n\u00e3o \u00e9 necess\u00e1rio program\u00e1-lo diretamente para executar uma tarefa. Em vez disso, apresentamos dados e ele se adapta a partir de algoritmos de treinamento. \u00c9 nesse sentido que dizemos que o modelo aprende.\u201d<\/p>\n\n\n\n

Integra\u00e7\u00e3o entre formas de an\u00e1lise<\/strong><\/p>\n\n\n\n

A combina\u00e7\u00e3o dessas duas abordagens faz parte da estrutura do SPIRA-BM. A an\u00e1lise ac\u00fastica contribui para a identifica\u00e7\u00e3o de propriedades relevantes da voz e da fala, enquanto o aprendizado de m\u00e1quina utiliza essas informa\u00e7\u00f5es no desenvolvimento de modelos capazes de classificar, estimar e prever diferentes aspectos das condi\u00e7\u00f5es respirat\u00f3rias.<\/p>\n\n\n\n

Essa integra\u00e7\u00e3o tamb\u00e9m est\u00e1 presente nas etapas do sistema, que envolvem desde a coleta de \u00e1udios em dispositivos m\u00f3veis at\u00e9 a aplica\u00e7\u00e3o dos modelos em contextos cl\u00ednicos. Ao articular diferentes formas de an\u00e1lise, o projeto amplia as possibilidades de investiga\u00e7\u00e3o dos biomarcadores de \u00e1udio e fortalece o desenvolvimento de ferramentas voltadas \u00e0 sa\u00fade.<\/p>\n\n\n\n

Entre diferentes escalas de an\u00e1lise<\/strong><\/p>\n\n\n\n

Ao combinar an\u00e1lise detalhada do sinal e processamento em larga escala, o SPIRA-BM organiza uma abordagem que permite investigar como a voz e a fala podem funcionar como indicadores de condi\u00e7\u00f5es respirat\u00f3rias. Essa articula\u00e7\u00e3o entre diferentes formas de trabalhar os dados \u00e9 parte central do desenvolvimento das tecnologias propostas, conectando a investiga\u00e7\u00e3o cient\u00edfica \u00e0s possibilidades de aplica\u00e7\u00e3o pr\u00e1tica.<\/p>","protected":false},"excerpt":{"rendered":"

Pesquisa articula an\u00e1lise ac\u00fastica detalhada e modelos de intelig\u00eancia artificial para transformar sinais da voz e fala em<\/p>","protected":false},"author":1,"featured_media":808,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[31],"tags":[],"post_badge":[],"class_list":["post-807","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-noticia"],"featured_image_urls":{"full":["https:\/\/spira.ime.usp.br\/wp-content\/uploads\/2026\/04\/WhatsApp-Image-2026-04-14-at-17.12.38.jpeg",1179,969,false],"thumbnail":["https:\/\/spira.ime.usp.br\/wp-content\/uploads\/2026\/04\/WhatsApp-Image-2026-04-14-at-17.12.38-150x150.jpeg",150,150,true],"medium":["https:\/\/spira.ime.usp.br\/wp-content\/uploads\/2026\/04\/WhatsApp-Image-2026-04-14-at-17.12.38-300x247.jpeg",300,247,true],"medium_large":["https:\/\/spira.ime.usp.br\/wp-content\/uploads\/2026\/04\/WhatsApp-Image-2026-04-14-at-17.12.38-768x631.jpeg",640,526,true],"large":["https:\/\/spira.ime.usp.br\/wp-content\/uploads\/2026\/04\/WhatsApp-Image-2026-04-14-at-17.12.38-1024x842.jpeg",640,526,true],"1536x1536":["https:\/\/spira.ime.usp.br\/wp-content\/uploads\/2026\/04\/WhatsApp-Image-2026-04-14-at-17.12.38.jpeg",1179,969,false],"2048x2048":["https:\/\/spira.ime.usp.br\/wp-content\/uploads\/2026\/04\/WhatsApp-Image-2026-04-14-at-17.12.38.jpeg",1179,969,false],"trp-custom-language-flag":["https:\/\/spira.ime.usp.br\/wp-content\/uploads\/2026\/04\/WhatsApp-Image-2026-04-14-at-17.12.38-15x12.jpeg",15,12,true],"morenews-featured":["https:\/\/spira.ime.usp.br\/wp-content\/uploads\/2026\/04\/WhatsApp-Image-2026-04-14-at-17.12.38-1024x842.jpeg",1024,842,true],"morenews-large":["https:\/\/spira.ime.usp.br\/wp-content\/uploads\/2026\/04\/WhatsApp-Image-2026-04-14-at-17.12.38-825x575.jpeg",825,575,true],"morenews-medium":["https:\/\/spira.ime.usp.br\/wp-content\/uploads\/2026\/04\/WhatsApp-Image-2026-04-14-at-17.12.38-590x410.jpeg",590,410,true]},"author_info":{"info":["spira.bm"]},"category_info":"Not\u00edcia<\/a>","tag_info":"Not\u00edcia","comment_count":"0","_links":{"self":[{"href":"https:\/\/spira.ime.usp.br\/en\/wp-json\/wp\/v2\/posts\/807","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/spira.ime.usp.br\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/spira.ime.usp.br\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/spira.ime.usp.br\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/spira.ime.usp.br\/en\/wp-json\/wp\/v2\/comments?post=807"}],"version-history":[{"count":1,"href":"https:\/\/spira.ime.usp.br\/en\/wp-json\/wp\/v2\/posts\/807\/revisions"}],"predecessor-version":[{"id":809,"href":"https:\/\/spira.ime.usp.br\/en\/wp-json\/wp\/v2\/posts\/807\/revisions\/809"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/spira.ime.usp.br\/en\/wp-json\/wp\/v2\/media\/808"}],"wp:attachment":[{"href":"https:\/\/spira.ime.usp.br\/en\/wp-json\/wp\/v2\/media?parent=807"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/spira.ime.usp.br\/en\/wp-json\/wp\/v2\/categories?post=807"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/spira.ime.usp.br\/en\/wp-json\/wp\/v2\/tags?post=807"},{"taxonomy":"post_badge","embeddable":true,"href":"https:\/\/spira.ime.usp.br\/en\/wp-json\/wp\/v2\/post_badge?post=807"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}