利用机器学习从语音信号检测喉癌：一项范围性文献综述

引言：全球喉癌病例呈上升趋势。由于晚期生存率显著下降，早期检测至关重要。人工智能（AI）与机器学习（ML）有潜力从患者语音中检测喉癌，从而促进更早诊断并减轻过度紧张的医疗保健系统的负担。然而，尚无综合性综述探讨 AI 与 ML 用于从语音检测喉癌。本综述旨在通过评估这些技术的表现并识别未来研究中需解决的问题来填补此空白。材料与方法：我们在三个数据库（Scopus、Web of Science 与 PubMed）中进行了范围性文献综述。我们纳入了使用机器学习对语音进行分类并在数据中明确包含喉癌患者的文章。文章根据其为二分类还是多分类进行分类。结果：我们找到了 27 篇符合纳入标准的文章，其中 12 篇进行二分类，13 篇进行多分类，2 篇同时进行二分类与多分类。最常用的分类方法是神经网络，最频繁提取的特征是梅尔频谱图。我们还记录了预处理方法与分类器性能。我们根据 TRIPOD-AI 检查表对每篇文章进行比较，结果显示开放科学严重缺乏，仅 1 篇文章共享代码，仅 3 篇使用开放获取数据。结论：开源代码对于该领域的外部验证与进一步发展至关重要。我们的综述表明，在从语音检测喉癌方面，没有单一方法或特定特征持续优于其他方法。未来研究应聚焦于方法学标准化与提高结果的可重复性。