Relações entre comportamento vocal, imunidade e níveis plasmáticos de corticosterona e testosterona em sapos (Rhinella granulosa)

A exibição do comportamento vocal em muitas espécies de anfíbios anuros é relacionada aos níveis de hormônios esteroides gonadais e interrenais. Esses hormônios poderiam mediar a relação entre intensidade de sinais e imunidade, pois estão envolvidos no desenvolvimento das características sexuais secundárias, comportamento de corte e mobilização de reservas energéticas durante a atividade reprodutiva, enquanto apresentam também efeitos imunomoduladores. Nesse sentido, o objetivo deste trabalho foi explorar as relações entre comportamento reprodutivo, imunidade e níveis plasmáticos de testosterona e corticosterona em machos do sapo do semiárido brasileiro, Rhinella granulosa, em atividade reprodutiva e após manipulação hormonal. A precipitação foi o principal determinante ambiental para o aumento dos níveis de testosterona e corticosterona circulantes em machos de R. granulosa, estimulando o comportamento de vocalização. As relações fisiológicas encontradas indicam que os altos níveis plasmáticos de testosterona nos primeiros dias após a chuva devem promover o início do turno vocal, porém a corticosterona deve modular o esforço de vocalização. De forma geral, a exacerbação do comportamento vocal de R. granulosa tem efeitos negativos sobre a imunocompetência, porém alguns indivíduos que apresentam maiores concentrações plasmáticas de corticosterona apresentam concomitantemente alto esforço vocal e alta imunidade. De acordo, a aplicação transdérmica de corticosterona promoveu elevação aguda dos níveis plasmáticos deste glicocorticoide, bem como um aumento da função imune. Assim, apesar de a atenção principal ser comumente colocada no papel da testosterona na mediação de sinais honestos, nossos resultados corroboram a importância da corticosterona na mediação da expressão do comportamento de corte e imunocompetência em machos R. granulosa

Aplicação de uma rede neural artificial para a avaliação da rugosidade e soprosidade vocal

A avaliação perceptivo-auditiva tem papel fundamental no estudo e na avaliação da voz, no entanto, por ser subjetiva está sujeita a imprecisões e variações. Por outro lado, a análise acústica permite a reprodutibilidade de resultados, porém precisa ser aprimorada, pois não analisa com precisão vozes com disfonias mais intensas e com ondas caóticas. Assim, elaborar medidas que proporcionem conhecimentos confiáveis em relação à função vocal resulta de uma necessidade antiga dentro desta linha de pesquisa e atuação clínica. Neste contexto, o uso da inteligência artificial, como as redes neurais artificiais, indica ser uma abordagem promissora. Objetivo: Validar um sistema automático utilizando redes neurais artificiais para a avaliação de vozes rugosas e soprosas. Materiais e métodos: Foram selecionadas 150 vozes, desde neutras até com presença em grau intenso de rugosidade e/ou soprosidade, do banco de dados da Clínica de Fonoaudiologia da Faculdade de Odontologia de Bauru (FOB/USP). Dessas vozes, 23 foram excluídas por não responderem aos critérios de inclusão na amostra, assim utilizaram-se 123 vozes. Procedimentos: avaliação perceptivo-auditiva pela escala visual analógica de 100 mm e pela escala numérica de quatro pontos; extração de características do sinal de voz por meio da Transformada Wavelet Packet e dos parâmetros acústicos: jitter, shimmer, amplitude da derivada e amplitude do pitch; e validação do classificador por meio da parametrização, treino, teste e avaliação das redes neurais artificiais. Resultados: Na avaliação perceptivo-auditiva encontrou-se, por meio do teste Coeficiente de Correlação Intraclasse (CCI), concordâncias inter e intrajuiz excelentes, com p = 0,85 na concordância interjuízes e p variando de 0,87 a 0,93 nas concordâncias intrajuiz. Em relação ao desempenho da rede neural artificial, na discriminação da soprosidade e da rugosidade e dos seus respectivos graus, encontrou-se o melhor desempenho para a soprosidade no subconjunto composto pelo jitter, amplitude do pitch e frequência fundamental, no qual obteve-se taxa de acerto de 74%, concordância excelente com a avaliação perceptivo-auditiva da escala visual analógica (0,80 no CCI) e erro médio de 9 mm. Para a rugosidade, o melhor subconjunto foi composto pela Transformada Wavelet Packet com 1 nível de decomposição, jitter, shimmer, amplitude do pitch e frequência fundamental, no qual obteve-se 73% de acerto, concordância excelente (0,84 no CCI), e erro médio de 10 mm. Conclusão: O uso da inteligência artificial baseado em redes neurais artificiais na identificação, e graduação da rugosidade e da soprosidade, apresentou confiabilidade excelente (CCI > 0,80), com resultados semelhantes a concordância interjuízes. Dessa forma, a rede neural artificial revela-se como uma metodologia promissora de avaliação vocal, tendo sua maior vantagem a objetividade na avaliação.