当与会者陆续进入昏暗的分组讨论室就座时，南佛罗里达大学（University of South Florida, USF）研究员约翰·坦普尔顿（John Templeton）播放了两段患者提供的简短标准化陈述录音。这些录音取自公开数据，内容包括"彼得将保持在顶峰"和"我妈妈制作柠檬松饼"等语句。
每段音频播放后，坦普尔顿向听众提出一个简单问题：这些语音模式听起来是否典型？随后引导临床医生和计算机科学家使用AI工具分析录音的底层结构，帮助临床医生做出更明智的现实决策。
作为南佛罗里达大学贝利尼人工智能、网络安全与计算学院（Bellini College of Artificial Intelligence, Cybersecurity and Computing）的助理教授，坦普尔顿通过这项练习展示了临床医生与计算机科学家如何协作开发更有效的医疗技术。他在圣彼得堡举行的2026年语音AI研讨会上主持了题为"临床实践中可解释语音AI结果的要素"的工作坊。
"这项工作将临床医生和计算机科学家聚集在一起，深入理解AI系统如何分析语音和音频数据，"坦普尔顿表示，"我们还需要让临床医生更深度参与流程，使这些工具能在真实临床环境中支持更优决策。"
由Bridge2AI-Voice联盟主办的语音AI研讨会汇集了研究人员、临床医生和技术专家，共同探索如何利用语音检测和监测疾病。为期三天的活动聚焦于将AI研究转化为医疗实用工具，包含鼓励跨领域协作的实践工作坊和演示。
坦普尔顿及其团队成员穆罕默德·埃布拉欣（Mohamed Ebraheem）和什拉玛纳·加内什（Shrramana Ganesh）展示了大型语言模型在分析音频样本中的潜力，为临床医生提供与医疗状况相关的更透明、更具临床意义的洞察。
针对"我妈妈制作柠檬松饼"的患者录音，其中一个工作坊团队使用AI工具识别出鼻音过重现象，帮助临床医生精准把握需关注的语音特征并区分差异。对于"彼得将保持在顶峰"的录音，AI分析表明：若患者在发"P"音时有气流从鼻腔泄漏，或发音微弱，则可能存在口腔气压构建困难。此类发现可能提示影响语音气流控制的问题，指向口腔、咽喉或鼻腔通道协同功能异常。
这种实时反馈阐明了AI如何增强而非取代临床判断，为临床医生提供了解读可能被忽视的细微语音模式的新途径。"目标是开发临床医生能在医疗环境中切实使用的AI工具，"坦普尔顿说，"在南佛罗里达大学，研究人员正跨学科合作，使这些技术对患者而言更易理解、更实用、更具价值。"
坦普尔顿并非唯一参与的贝利尼学院教员。该院助理教授卡尼·查加尔-费弗科恩（Karni Chagal-Fefferkorn）参加了题为"部署语音AI：信任、监管与市场现实"的小组讨论，与专家共同审视将这些工具推向市场的实际挑战，突显了信任建立、监管监督和伦理实施等问题。
坦普尔顿还参与了"语音AI现状：新模型与新兴技术"小组讨论，专家们探讨了从大型语言模型到新型声学基础模型等塑造该领域的前沿技术。
本次研讨会由南佛罗里达大学健康系统（USF Health）、贝利尼学院、坦帕综合医院等机构赞助，汇聚了涵盖医疗保健、人工智能、学术界和产业界的广泛演讲者。临床医生、机器学习研究员、工程师和企业家与伦理学、法律及政策专家共同分享见解，反映了该领域日益增长的跨学科协作需求。
演讲者代表范德堡大学医学中心、麻省理工学院、剑桥大学、卡内基梅隆大学、多伦多大学、西蒙弗雷泽大学、阿贡国家实验室和威尔康奈尔医学院等全球顶尖机构，以及国际研究组织。研讨会以黑客松收尾，与会者通过实操语音AI工具和数据集开发新理念与应用。
【全文结束】
