মানুষের কণ্ঠস্বর শুধু আবেগ প্রকাশেই নয়, লুকিয়ে থাকতে পারে শারীরিক রোগের আভাসও। সম্প্রতি একদল গবেষক এক অভিনব পদ্ধতি তৈরি করেছেন, যা কণ্ঠ বিশ্লেষণ করে পারকিনসন রোগ শনাক্ত করতে সক্ষম। এই গবেষণা মূলত ‘সেল্ফ-সুপারভাইজড স্পীচ এম্বেডিং (Self-supervised Speech Embedding)’ ব্যবহার করে কণ্ঠের অদৃশ্য সংকেত বিশ্লেষণ করে থাকে। এতে ব্যবহৃত হয়েছে Wav2Vec 2.0, WavLM এবং ImageBind নামক আধুনিক প্রযুক্তি, যা মূলত কথা বলার ধরন, স্বরের কম্পন, স্থিরতা ও শব্দের সূক্ষ্ম বৈশিষ্ট্য বিশ্লেষণ করতে পারে।
গবেষণায় ১,৩০৬ জন অংশগ্রহণকারী (যার মধ্যে ৩৯২ জন পারকিনসন রোগে আক্রান্ত এবং ৯১৪ জন সুস্থ) একটি নির্দিষ্ট বাক্য পাঠ করেছিলেন—“The quick brown fox jumps over the lazy dog।” এ বাক্যটি ইংরেজি ভাষার সব বর্ণকে অন্তর্ভুক্ত করে, যা কণ্ঠ বিশ্লেষণে সহায়ক হয়। এরপর কৃত্রিম বুদ্ধিমত্তা-চালিত ফিউশন মডেল এই ভয়েস ক্লিপ বিশ্লেষণ করে কে পারকিনসনে আক্রান্ত, তা নির্ণয় করে।
ফলাফল ছিল অত্যন্ত আশাব্যঞ্জক—৮৮.৯% AUROC (Area Under ROC Curve) এবং ৮৫.৭% নির্ভুলতা পাওয়া গেছে। এই স্কোর আগের যেকোনো ভয়েস-ভিত্তিক পারকিনসন শনাক্তকরণ পদ্ধতির তুলনায় উন্নত। গবেষকরা বলেছেন, এই মডেল বয়স, লিঙ্গ ও জাতিগত বৈচিত্র্যকেও বিবেচনায় নিয়েছে এবং বেশিরভাগ ক্ষেত্রেই নির্ভুলভাবে কাজ করেছে।
আরও চমকপ্রদ বিষয় হলো, এই মডেল শুধু রেকর্ড করা ভয়েসই নয়, বাস্তব সময়ের কথোপকথন থেকেও রোগ শনাক্ত করতে পারে। দুইটি স্বতন্ত্র ক্লিনিক্যাল ডেটাসেট এবং একটি স্পন্টেনিয়াস ভয়েস ডেটাসেটে পরীক্ষার সময় যথাক্রমে ৮২.১%, ৭৮.৪% এবং ৭৭.৪% AUROC স্কোর পাওয়া গেছে।
এই উদ্ভাবনের সবচেয়ে বড় সম্ভাবনা লুকিয়ে আছে প্রাথমিক রোগ শনাক্তকরণ ব্যবস্থায়। বিশেষ করে বাংলাদেশের মতো দেশে, যেখানে একজন নিউরোলজিস্টের পেছনে লাখ লাখ মানুষ নির্ভরশীল, সেখানে এমন সহজলভ্য, স্বয়ংক্রিয় ও প্রযুক্তিনির্ভর ব্যবস্থা বিপ্লব ঘটাতে পারে। শুধু একটি মাইক্রোফোন বা মোবাইল ডিভাইস ব্যবহার করেই ঘরে বসে সম্ভাব্য রোগ শনাক্ত করা যাবে।
যুক্তরাষ্ট্রের রোচেস্টার বিশ্ববিদ্যালয়ের ডেটা সায়েন্টিস্ট হিসেবে কর্মরত বাংলাদেশি গবেষক একরাম হোসেন বলেন, “আমরা একটি এন্ড-টু-এন্ড মেশিন লার্নিং পাইপলাইন তৈরি করেছি, যা আমাকে প্রকৃত রোগীর ডেটার ওপর সম্পূর্ণভাবে কাজ করার সুযোগ দেয়, একদম র (raw) কথোপকথনের সিগন্যাল প্রিপ্রসেসিং থেকে শুরু করে বিভিন্ন ধরনের এমবেডিং একত্রিত করার জন্য ফিউশন আর্কিটেকচার তৈরি পর্যন্ত। এই প্রক্রিয়ায় বেশ কিছু পদ্ধতিগত চ্যালেঞ্জের সম্মুখীন হতে হয়েছে — সীমিত ডেটার সঙ্গে মডেলের জটিলতার ভারসাম্য বজায় রাখা, আমাদের পূর্বাভাসে ডেমোগ্রাফিক পক্ষপাত কমানো, এবং আমাদের পদ্ধতি কোথায় সফল বা ব্যর্থ হচ্ছে তা বোঝার জন্য নিবিড়ভাবে কোর্টভিত্তিক ত্রুটিবিশ্লেষণ করা।”
তবে গবেষকরা সতর্ক করেছেন, এই মডেল এখনও চিকিৎসকের বিকল্প নয়—বরং চিকিৎসকের সহায়ক একটি স্ক্রিনিং টুল হিসেবে ব্যবহারের উপযোগী। ভবিষ্যতে স্থানীয় ভাষার ওপর ভিত্তি করে এর প্রশিক্ষণ বাড়ানো হলে আরও নিখুঁত ও সার্বজনীন মডেল তৈরি সম্ভব।
এই গবেষণা শুধু পারকিনসন নয়, আরও অনেক স্নায়বিক ও ভাষা-ভিত্তিক রোগ নির্ণয়ে কণ্ঠের সম্ভাবনা উন্মোচন করেছে—যা আগামী দিনের ডিজিটাল স্বাস্থ্যসেবায় এক যুগান্তকারী অধ্যায় রচনা করতে পারে।
———
A novel fusion architecture for detecting Parkinson’s Disease using semi-supervised speech embeddings. npj Parkinsons Dis. (2025).
DOI: 10.1038/s41531-025-00956-7
নিয়মিত আপডেট পেতে সাবস্ক্রাইব করুন আমাদের নিউজলেটারে এবং ফলো করুন আমাদের টেলিগ্রাম, ইনস্টাগ্রাম, টুইটার এবং ফেসবুক-এ। এছাড়াও যুক্ত হতে পারেন আমাদের ফেসবুক গ্রুপে।
এই নিবন্ধটি Creative Commons Attribution-NoDerivatives 4.0 International License-এর অধীনে লাইসেন্সকৃত। পুনঃপ্রকাশের জন্য পুনঃপ্রকাশের নির্দেশিকা দেখুুন।
