良性和恶性声带病变可显著改变音质，其中恶性病变（如喉癌）若未及时干预，可能导致死亡，而早期无创检测能提升诊断可及性与预后。据统计，良性声带病变的患病率达12.47%，2017年美国报告喉癌病例13150例，相关死亡3710例，声音改变（如发声困难）是这类病变的常见早期症状。

传统诊断依赖喉镜可视化检查，但在缺乏跨学科嗓音诊所的非城镇地区，这类检查可及性有限。随着人工智能技术发展，嗓音录音作为数字生物标志物用于疾病早期检测的潜力被广泛探索，涵盖喉部病变、神经系统疾病等多个领域。在此背景下，美国国立卫生研究院（NIH）发起“VoicetoAI”项目，旨在构建大型、多机构、伦理合规的嗓音数据库，推动嗓音AI研究。

本研究的核心目标是利用Bridge2AI-Voicev1.1数据集，探究哪些声学特征能有效区分喉癌、良性声带病变与其他嗓音疾病及健康声带功能。具体而言，研究聚焦两类分析：一是比较喉癌、良性病变患者与无嗓音障碍者的声学特征；二是对比喉癌、良性病变患者（无其他嗓音疾病）与痉挛性发声困难或声带麻痹患者的声学特征。通过解析基频、局部抖动、振幅波动、谐波噪声比（HNR）及其标准差（HNRSD）等特征的差异，为声带病变的早期检测与监测提供潜在生物标志物依据。

研究采用 Bridge2AI-Voice v1.0 初始版本，包含北美 5 个站点收集的 306 名参与者的 12523 条录音，分析对象为完成 “彩虹段落” 任务（含美式英语所有音素的标准化语音评估）的 180 条录音（来自 176 名独特参与者）研究人员将参与者分为两组：组 1 包含喉癌（n=10）、良性声带病变（n=13）及无嗓音障碍者（n=122）；组 2 包含无其他嗓音疾病的喉癌（n=6）、良性病变（n=11）患者，以及痉挛性发声困难（n=8）、声带麻痹（n=26）患者。

图：根据病变类型和嗓音障碍诊断对参与者进行分组

研究结果

1、人口统计学特征：病变组与非病变组在年龄、性别、性取向、种族（除非洲裔比例略高，17.4% vs 4.6%）等方面无显著差异；数据集以白人、异性恋、女性为主，病变组中位体重比非病变组高20磅。

2、整体分析（组1）：良性病变与无嗓音障碍者在平均HNR（p=0.019）、HNRSD（p=0.028）、基频（p=0.012）上差异显著；良性病变与喉癌患者的HNRSD差异显著（p=0.028）；局部抖动无显著差异。

表：按诊断队列划分的顺性别男性和女性的录音数量

3、分层分析：顺性别男性中，良性病变与无嗓音障碍者的平均HNR（p=0.004）、HNRSD（p=0.002）差异显著，良性病变与喉癌患者的HNRSD差异显著（p=0.027）；顺性别女性中未发现显著差异，推测与样本量有限（如喉癌组仅2人）有关。

4、组2结果：所有声学特征均无显著差异，仅顺性别男性HNRSD的Kruskal-Wallis检验提示潜在差异（p=0.03），但Dunn检验未证实（最小校正P=0.055）。

研究结论

本研究表明，HNR（尤其是其变异性HNRSD）和基频可能作为区分良性声带病变与健康状态及喉癌的潜在嗓音生物标志物，在顺性别男性中表现更为显著。然而，研究存在局限性：女性样本量不足导致无法验证特征有效性；组2中未能区分声带病变与其他嗓音疾病，提示需探索更多声学特征；整体样本多样性有限（以白人为主）。

未来研究需扩大样本量，纳入更多样化人群，细化病变大小等数据，并深入分析不同类型良恶性病变的嗓音特征，以验证这些生物标志物的临床实用性，推动嗓音AI在喉部疾病筛查与分诊中的应用。

原始出处

Jenkins P, Harrison R, Bedrick S, Karstens L, Bridge2AI-Voice and Hersh W (2025) Voice as a biomarker: exploratory analysis for benign and malignant vocal fold lesions. Front. Digit. Health 7:1609811. doi: 10.3389/fdgth.2025.1609811.

Tags： Front Digit Health：人工智能会从你的声音中检测出早期的声带病变