لا يقتصر الشخير على كونه مصدر إزعاج أثناء النوم، بل قد يكون مؤشراً على اضطرابات صحية، أبرزها انقطاع النفس الانسدادي النومي. إلا أن تحديد الموضع المسؤول عن صدور الشخير لا يزال يمثل تحدياً أمام الأطباء، وهو ما دفع باحثين إلى تطوير إطار جديد يعتمد على الذكاء الاصطناعي لتحليل أصوات الشخير وتحديد مصدرها بدقة أكبر.

ووفقاً لدراسة نُشرت في دورية Scientific Reports، يهدف الإطار المقترح إلى تحسين تصنيف مصادر الشخير، بما قد يساهم في تطوير وسائل تشخيص اضطرابات النوم، ويدعم مستقبلاً اختيار العلاج الأكثر ملاءمة لكل مريض.

ويحدث الشخير غالباً نتيجة انسداد مجرى الهواء العلوي أو اهتزاز تراكيبه، ويُعد من أبرز الأعراض المرتبطة بانقطاع النفس الانسدادي النومي. ويمكن تحديد منشأه التشريحي من خلال تحليل الإشارات الصوتية بطريقة غير جراحية، إلا أن التقنيات الحالية لازال تواجه تحديات تتعلق بمحدودية البيانات، وضعف الاستفادة من المعلومات الزمنية والترددية، فضلاً عن عدم توازن توزيع العينات بين الفئات المختلفة.

وبحسب موقع Medical News، اختبر الباحثون نموذجهم باستخدام قاعدة بيانات Munich-Passau Snore Sound Corpus (MPSSC)، التي تضم تسجيلات لشخير صادر عن أربعة مواضع داخل الجهاز التنفسي، هي الحنك الرخو، وقاعدة اللسان، ولسان المزمار، والجدران الجانبية للبلعوم الفموي.

ولضمان دقة النتائج، قسّم الباحثون البيانات إلى مجموعات للتدريب والتطوير والاختبار، كما عالجوا التفاوت في أعداد التسجيلات بين الفئات المختلفة، بهدف الحد من انحياز النموذج لأي فئة.

وبعد تدريب نماذج عدة للذكاء الاصطناعي وإجراء مقارنات بينها، حقق النموذج الأفضل متوسط استدعاء غير مرجّح بلغ 67.1% في الاختبارات النهائية، ما يعكس قدرة واعدة على التعرف على مصدر الشخير، ويعزز إمكان الاستفادة من هذه التقنية مستقبلاً في دعم تشخيص اضطرابات النوم والمساعدة في اختيار العلاج الأنسب، بعد التحقق من فاعليتها في دراسات سريرية إضافية.

View this post on Instagram

A post shared by Annahar Al Arabi (@annaharar)

كما قارن الباحثون أداء النموذج المقترح بعدد من الأساليب التقليدية والحديثة المستخدمة في تحليل الأصوات، بما في ذلك نماذج قائمة على الشبكات العصبية وتقنيات متقدمة لمعالجة الإشارات الصوتية، مع إجراء جميع المقارنات باستخدام مجموعات البيانات نفسها لضمان موضوعية النتائج.

وأظهرت الاختبارات أن النموذج الجديد تفوق على معظم النماذج التي شملتها المقارنة، كما قدم أداءً أفضل من الأنظمة التي تعتمد على الخصائص الصوتية التقليدية، وهو ما يشير إلى أن الاعتماد على هذه الخصائص وحدها قد لا يكون كافياً لالتقاط الأنماط الصوتية المعقدة التي تميز أنواع الشخير المختلفة.

ورغم استمرار بعض التحديات في التمييز بين أنواع محددة من الشخير، خلص الباحثون إلى أن الإطار المقترح يمثل خطوة واعدة نحو تطوير أدوات أكثر دقة لتحديد مصدر الشخير وتشخيص اضطرابات النوم، مع الحاجة إلى إجراء مزيد من الدراسات للتحقق من فاعليته قبل اعتماده في الممارسة السريرية.