Исследование представляет двухэтапный фреймворк на основе машинного обучения для автоматизированного скрининга велофарингеальной дисфункции по речи. Предложенный метод использует контрастивное обучение для повышения устойчивости модели к шуму и различиям в записывающих устройствах, что позволяет эффективно проводить диагностику в неконтролируемых домашних условиях.
Протокол исследования направлен на разработку и тестирование мобильного приложения для оценки речи как цифрового биомаркера при рассеянном склерозе. Проект использует методологию Living Lab для совместного проектирования инструментов с участием пациентов и врачей, фокусируясь на юзабилити и интеграции в клинический процесс.
