人工智能或将仅通过听人说话就能检测癌症

配图：人工智能、医疗科技、疑难病症分析、医师诊疗

越来越多的研究表明：人声中暗藏着与疾病相关的细微声学特征。科学家通过分析音调稳定性、噪音特征等发声规律，逐步发现这些信号可筛查声带的早期病变。

一项全新研究证实：人声里隐藏的特征，有望成为疾病的早期预警信号。

喉癌（常称声门癌）仍是全球重大健康隐患。2021年，全球约有110万确诊病例，约10万人因此离世。长期吸烟、重度饮酒、感染人乳头瘤病毒（HPV）是核心高危因素。该病五年治疗生存率差异极大，根据肿瘤发病位置与确诊分期不同，区间仅为35%~78%。

早筛早诊是提升治愈率的关键。目前临床确诊主要依靠鼻内镜影像检查与组织活检，不仅属于有创操作，还难以快速普及；患者转诊专科不及时，也会延误诊断与治疗。

发表于《数字健康前沿》的新研究提出了全新思路：人体嗓音的细微变化，能反映声带异常。这类“声带病变”可能是结节、息肉等良性问题，也可能是喉癌早期征兆。该成果让人工智能迎来全新应用方向——通过语音分析捕捉癌症早期预警信号。

本研究通讯作者、俄勒冈健康与科学大学临床信息学博士后菲利普·詹金斯博士表示：“我们依托该数据集证实，借助语音生物标志物，能精准区分声带病变患者与健康人群的嗓音差异。”

语音数据蕴藏诊疗价值

该研究团队隶属于美国国立卫生研究院“人工智能桥梁计划”旗下的**Bridge2AI语音专项项目**。这项全国性科研工程，旨在用人工智能攻克复杂生物医学难题。

本次研究采用首批公开的Bridge2AI语音数据集，收录北美306名受试者共计12523条语音录音，分析音色、音调、音量、清晰度等维度。

其中仅部分样本来自确诊人群：喉癌患者、良性声带病变者，以及痉挛性发声障碍、单侧声带麻痹等嗓音疾病患者。

团队重点分析多项语音量化指标：平均基频（音调）、音高微扰（音调细微波动）、振幅微扰（响度波动），以及谐波信噪比（对比人声有效声波与背景噪音占比）。

研究发现：无嗓音疾病男性、良性声带病变男性、喉癌男性三者之间，谐波信噪比与音调存在显著差异；女性群体暂未发现同类规律，研究人员认为，扩大样本量后或能挖掘出有效特征。

该研究明确：谐波信噪比的异常波动，可追踪声带病变进展，尤其适用于男性喉癌的早期筛查。

詹金斯补充道：“这一成果证明，依托合规采集、多机构共建的大型数据集（如Bridge2AI语音库），未来人声有望成为临床实用的癌症风险生物标志物。”

搭建AI医疗落地桥梁

基于现有初步结论，下一步将把算法应用于更大样本库，并开展临床实景效能验证。

詹金斯解释：“若要把这项研究落地为识别声带病变的AI工具，我们需要用专业标注的海量语音录音训练模型，同时优化算法，确保男女群体检测效果均衡。”

他预判：“目前语音健康监测工具已进入试点阶段。结合本次研究，只要完成大样本扩容与临床验证，未来两三年内，这类声带病变筛查工具就能落地试用。”

Reference: “Voice as a biomarker: exploratory analysis for benign and malignant vocal fold lesions”

, 25 June 2025, Frontiers in Digital Health.DOI: 10.3389/fdgth.2025.1609811