慶應義塾大学の満倉靖恵教授らの研究グループは、声帯を失った人が口元を写した画像だけで過去の自分の声を使って、スムーズに会話ができるアルゴリズムを開発することに成功した。喉頭全摘出術・咽喉頭頸部食道摘出術後の患者だけでなく、吃音、場面緘黙、機能性発声障害などの幅広い音声言語障害患者のQOL向上が期待される。
喉頭癌や下咽頭癌の治療として施行される喉頭全摘出術ないし咽喉頭頸部食道摘出術後の患者は音声を喪失するが、代用音声として近年AI合成音声が用いられるようになってきている。しかし、その会話の精度は単語レベルでは比較的高い精度を得ているものは多いが、実際の会話レベルになると途端に認識のレベルが低下する。多くのシステムではAIで合成した音声を使用する際には文章を機器に入力する必要があり、その操作性や会話におけるタイムラグは臨床応用していくうえで解決すべき課題と考えられてきた。
研究グループは今回、患者の過去のわずかの声に関する音声データや情報さえあれば、その情報を元に、患者本人の声でスムーズに会話できるアルゴリズムを開発。有効性を検証した結果、単語レベルにおいて、リアルタイムで90%以上の識別率が得られ、文章でも80%以上の識別が行えるようになった。
研究グループは今後、実際の患者に広く導入し、医療現場で利用が促進されることで、QOL向上につながるという。また、摘出後以外の音声言語障害にも応用できる可能性があり、吃音、場面緘黙、機能性発声障害といった幅広い患者のQOL向上にも寄与できるとしている。
