埃默里大学医学院耳鼻喉科副教授Anthony Law博士指出："当患者带着沙哑、吃力的嗓音来到诊室时，这种严重的声带变化往往预示着晚期喉癌。"这位同时拥有医学博士和生物物理学博士学位的研究人员，疫情期间通过电话交谈被母亲察觉患病的经历，激发了他对语音诊断潜力的深入探索。
Law博士解释说："声带闭合不全产生的气流声是喉癌的重要表征。就像双手合拍振动产生声音，正常的声带闭合会产生清晰语音。癌变组织常导致闭合不全，产生特有的呼吸样粗糙音色。"目前临床主要依赖喉镜检查，但初级保健医生往往缺乏专业培训来区分良性与恶性声音改变。
经过多年技术攻关，Law团队构建了包含15,000条语音样本的数据库，训练出准确率达93%的深度神经网络模型。该AI系统已集成于医疗专用手机应用，整个筛查流程约五分钟，包含知情同意、人口统计信息采集和10组语音指令。应用设计特别考虑医疗场景的噪音干扰，同时通过持续收集不同方言、性别和种族的语音数据来消除算法偏见。
即将开展的随机对照试验将验证该技术的临床价值，通过对比使用与非使用组患者的肿瘤发现时间及大小，评估早期诊断效果。Law强调："医疗AI正处于转折点，这项技术要么被巨头垄断，要么实现医疗民主化。我们的目标是让顶尖学术机构的专业知识惠及更多患者。"
这项创新可能显著改善喉癌诊疗现状。美国癌症协会数据显示，2024年美国预计新增12,910例喉癌病例，其中男性占比达84%。早期诊断五年生存率可达75-90%，但晚期患者降至30-40%。研究团队开发的语音筛查工具，有望为基层医疗系统提供类专家级诊断能力。
【全文结束】
