Параметры речевого сигнала как биомаркеры для дистанционного мониторинга пациентов с хронической сердечной недостаточностью

Цель    Оценка изменения параметров речевого сигнала в процессе лечения у пациентов с хронической сердечной недостаточностью (ХСН) и оптимизация набора параметров речи, которые могут быть использованы для удаленного наблюдения за состоянием пациентов после лечения.
Материал и методы    Проведен анализ речевого сигнала 55 пациентов с ХСН в период обострения и 38 пациентов этой группы в период ремиссии по разработанной авторской методике. Результаты сравнивали с показателями речевого сигнала 57 практически здоровых лиц. Посредством программы Praat v 6.4.35 для трех групп вычисляли следующие акустические и просодические параметры: среднее, минимальное и максимальное значение частоты основного тона, его среднеквадратичное отклонение, диапазон изменения и средний абсолютный наклон, джиттеры (local, abs, rap, ppq5, ddp), шиммеры: (local, apq3, apq5, apq11, dda), отношение гармоники / шум, отношение количества озвученных кадров к общему количеству кадров.
Результаты    В исследовании проведено сравнение трех групп: пациентов до лечения (группа 1.1), после лечения (группа 1.2) и контрольной группы практически здоровых лиц (группа 2). Анализ параметров речевого сигнала показал, что у пациентов до лечения наблюдаются статистически значимые отличия от контрольных значений по ряду показателей, отражающих частотную и амплитудную нестабильность голоса. После курса терапии выявлено статистически значимое снижение показателя Jitter (local) (p=0,012), при этом его значения в группе 1.2 не отличались от значений в контрольной группе, что свидетельствует о нормализации частотной стабильности голосового сигнала. Показатель Bowley skew также демонстрирует статистически значимое увеличение (p=0,041) и приближается к значениям контрольной группы (p=0,068). Показатели Shimmer (dda) и Shimmer (apq3) не проявляют положительную динамику и сохраняют статистически значимые отличия от контрольных значений.
Заключение    Проведенные исследования показали, что в процессе лечения больных с ХСН по мере улучшения их состояния происходят статистически значимое уменьшение джиттера и увеличение непараметрического коэффициента асимметрии основного тона голоса, а также их приближение к значениям контрольной группы. Остальные показатели речи либо достоверно не менялись, либо не приближались к значениям контрольной группы. Этот факт может быть использован для удаленного наблюдения за состоянием больных с ХСН после выписки из стационара.

1. Metra M, Teerlink JR. Heart failure. The Lancet. 2017;390(10106):1981–95. DOI: 10.1016/S0140-6736(17)31071-1

2. Savarese G, Lund LH. Global Public Health Burden of Heart Failure. Cardiac Failure Review. 2017;3(1):7–11. DOI: 10.15420/cfr.2016:25:2

3. Драпкина О.М., Бойцов С.А., Агеев Ф.Т., Бланкова З.Н., Джиоева О.Н., Дроздова Л.Ю. и др. Диспансерное наблюдение пациентов с хронической сердечной недостаточностью врачом-терапевтом в первичном звене здравоохранения. Методические рекомендации. Первичная медико-санитарная помощь. 2025;2(1):53-114. DOI: 10.15829/3034-4123-2025-39

4. Pandor A, Gomersall T, Stevens JW, Wang J, Al-Mohammad A, Bakhai A et al. Remote monitoring after recent hospital discharge in patients with heart failure: a systematic review and network meta-analysis. Heart. 2013;99(23):1717–26. DOI: 10.1136/heartjnl-2013-303811

5. Ong MK, Romano PS, Edgington S, Aronow HU, Auerbach AD, Black JT et al. Effectiveness of Remote Patient Monitoring After Discharge of Hospitalized Patients With Heart Failure: The Better Effectiveness After Transition–Heart Failure (BEAT-HF) Randomized Clinical Trial. JAMA Internal Medicine. 2016;176(3):310–8. DOI: 10.1001/jamainternmed.2015.7712

6. Morken IM, Storm M, Søreide JA, Urstad KH, Karlsen B, Husebø AML. Posthospitalization Follow-Up of Patients With Heart Failure Using eHealth Solutions: Restricted Systematic Review. Journal of Medical Internet Research. 2022;24(2):e32946. DOI: 10.2196/32946

7. Насонова С.Н., Лаптева А.Е., Жиров И.В., Терещенко С.Н., Бойцов С.А. Дистанционный мониторинг пациентов с сердечной недостаточностью в реальной клинической практике. Кардиология. 2021;61(8):76-86. DOI: 10.18087/cardio.2021.8.n1683

8. Потапов А.П., Ярцев С.Е., Лагутова Е.А. Дистанционное наблюдение за пациентами с хронической сердечной недостаточностью с применением телемониторинга АД и ЭКГ. Российский журнал телемедицины и электронного здравоохранения. 2021;7(3):42-51. DOI: 10.29188/2712-9217-2021-7-3-42-51

9. Исаева А.В., Демкина А.Е., Владзимирский А.В., Зингерман Б.В., Коробейникова А.Н., Быков А.Н. и др. Телемедицинский мониторинг пациентов с хронической сердечной недостаточностью: проспективное рандомизированное исследование. Digital Diagnostics. 2024;5(2):203-18. DOI: 10.17816/DD568897

10. Бондарко Л.В., Степанова С.Б. Текстовый модуль «Фонетически представительный текст». Бюллетень фонетического фонда русского языка. 1992;4:132-4

11. Voice. Praat’s voice analysis methods. [Internet] Available at: https://www.fon.hum.uva.nl/praat/manual/Voice.html

12. Radford A, Kim JW, Xu T, Brockman G, McLeavey C, Sutskever I. Robust Speech Recognition via Large-Scale Weak Supervision. Av. at: https://cdn.openai.com/papers/whisper.pdf.

13. Dubbioso R, Spisto M, Verde L, Iuzzolino VV, Senerchia G, Salvatore E et al. Voice signals database of ALS patients with different dysarthria severity and healthy controls. Scientific Data. 2024;11(1):800. DOI: 10.1038/s41597-024-03597-2

14. Sivasankar M, Fisher KV. Vocal Fold Epithelial Response to Luminal Osmotic Perturbation. Journal of Speech, Language, and Hearing Research. 2007;50(4):886–98. DOI: 10.1044/1092-4388(2007/063)

15. Murton OM, Hillman RE, Mehta DD, Semigran M, Daher M, Cunningham T et al. Acoustic speech analysis of patients with decompensated heart failure: A pilot study. The Journal of the Acoustical Society of America. 2017;142(4):EL401–7. DOI: 10.1121/1.5007092

16. Maor E, Perry D, Mevorach D, Taiblum N, Luz Y, Mazin I et al. Vocal Biomarker Is Associated With Hospitalization and Mortality Among Heart Failure Patients. Journal of the American Heart Association. 2020;9(7):e013359. DOI: 10.1161/JAHA.119.013359

17. Mittapalle KR, Pohjalainen H, Helkkula P, Kaitue K, Minkkinen M, Tolppanen H et al. Glottal flow characteristics in vowels produced by speakers with heart failure. Speech Communication. 2022;137:35–43. DOI: 10.1016/j.specom.2021.12.001

18. Amir O, Abraham WT, Azzam ZS, Berger G, Anker SD, Pinney SP et al. Remote Speech Analysis in the Evaluation of Hospitalized Patients With Acute Decompensated Heart Failure. JACC: Heart Failure. 2022;10(1):41–9. DOI: 10.1016/j.jchf.2021.08.008

19. Reddy KM, Helkkula P, Keerthana MY, Kaitue K, Minkkinen M, Tolppanen H et al. The automatic detection of heart failure using speech signals. Computer Speech & Language. 2021;69(3):101205. DOI: 10.1016/j.csl.2021.101205

20. European Society of Cardiology. Speech analysis app predicts worsening heart failure before symptom onset. [Internet] Available at: https://medicalxpress.com/news/2022-05-speech-analysis-appworsening-heart.html