Explorando la complementariedad del análisis acústico y la percepción auditiva en los desórdenes vocales

Abstract

Cuando se intenta detectar y caracterizar las voces patológicas en la clínica, la meta es documentar los cambios significativos de la voz, es decir, aquellos que no resulten despreciables ni producto del azar. Estos cambios pueden documentarse a través de la evaluación auditivo perceptual y el análisis acústico de la señal. En la especialidad de otorrinolaringología y fonoaudiología es común el uso de escalas perceptivo auditivas para definir la calidad vocal producida por un hablante. Estas escalas subjetivas aunque son de uso universal logran con precisión aproximada detectar rasgos disfuncionales en la voz. Un problema hasta ahora no resuelto es la detección y caracterización de estos desórdenes de manera objetiva. Una alternativa es utilizar métodos de análisis acústico para objetivar el comportamiento vocal. Se plantea si el empleo de las técnicas de análisis acústico permitiría detectar y caracterizar el grado de severidad de los desórdenes vocales con mayor consistencia que la percepción. El objetivo es determinar utilizando las mediciones acústicas, qué información es más relevante para el oyente al momento de categorizar el grado general de disfonía. Metodología: Se eligieron 8 (4 voces femeninas y 4 voces masculinas. Cada emisión fue evaluada auditivo perceptualmente a través del ítem G de la escala GRBAS por 10 oyentes experimentados y acústicamente mediante medidas de aperiodicidad, ruido y caos. Se analizó estadísticamente la contribución de varios parámetros medidos acústicamente con los perceptualmente puntuados por los oyentes (Spearman?s rho). Se observó que si bien las clases de los datos se solapaban en distintos grados, tal solapamiento no era completo, lo que sugería diferencias entre clases. Con el propósito de identificar las características que diferenciaban a dos o más grupos, y determinar cuántas de ellas eran necesarias para lograr la mejor clasificación posible, se realizó el análisis discriminante. A partir de estos resultados se evaluó la posibilidad de que los datos disponibles estuviesen separados de acuerdo a otro ordenamiento. Para ello, se experimentó con un algoritmo de clustering (K-means).