Pilot van Immersive VoiceSpace VR (N=17, vocaal gezond plus personen met dysfonie) - deelnemers schaalden luidheid en toonhoogte over gegradeerde virtuele restaurantcondities

Achtergrond

Stemverandering is een motorisch leerprobleem, niet alleen een kennisprobleem. Gedragsmatige stemtherapie is effectief voor veel stemaandoeningen, maar winst in de kliniek wordt vaak niet doorgetrokken naar de dagelijkse communicatie. De motor-learning literatuur is duidelijk over waarom: duurzame verandering hangt af van oefenen onder omstandigheden die lijken op de doelcontext, niet alleen van het uitvoeren van het gedrag in een gestructureerde sessie. Het Specificity of Learning Principle, Transfer-Appropriate Processing en Encoding Specificity komen op hetzelfde punt uit - wanneer de sensorische en contextuele eisen van de oefening overeenkomen met die van het werkelijke gebruik, is de transfer sterker.

Real-world stemgebruik gebeurt onder gelaagde eisen: communicatieve intentie, luisteraarsafstand, sociaal-emotionele druk, kamergrootte, achtergrondakoestiek en visueel-ruimtelijke cues die signaleren hoeveel stem nodig is voordat iemand spreekt. Conventionele behandelkamers minimaliseren deze variabelen bewust, wat de initiële verwerving dient maar precies die cues onderbelicht waarvan leerteorie zegt dat generalisatie ervan afhangt.

Immersieve virtual reality biedt een gecontroleerde manier om die cues weer in te brengen. Daşdöğen’s studie uit 2023 over multisensorische input (in deze Hub) vestigde dat visuele en audiovisuele VR-cues meetbare vocale aanpassingen aandrijven bij vocaal gezonde volwassenen, voorbij wat akoestische simulatie alleen oplevert. De studie van 2026 over getrainde zangers (ook in deze Hub) breidde dat uit naar een vergelijking tussen experten en ongetrainde sprekers. De huidige studie zet de volgende stap: blijft hetzelfde effect overeind in een klinische stempopulatie, en is een op maat gemaakt stem-responsief VR-platform haalbaar voor gebruik in die populatie.

Wat de onderzoekers deden

Een within-subjects pilot bij Mount Sinai met 17 volwassenen: 10 vocaal gezonde sprekers geworven uit de KNO-kliniek en ziekenhuispersoneel, en 7 personen met dysfonie geworven tijdens routine stemonderzoekafspraken (diagnoses omvatten presbyfonie, stemplooipoliep, stemplooiparese, spierspanningsdysfonie en genderbevestigende stemzorg).

De interventie was Immersive VoiceSpace (IVS) - een op maat gebouwd VR-platform ontwikkeld door de enige auteur. IVS rende een licht bevolkt virtueel restaurant op een Oculus Quest 3 headset. Een kelner-NPC fungeerde als luisteraardoel. De kelner reageerde in real time op de stem van de deelnemer: als de stemintensiteit een vooraf ingestelde drempel haalde, kwam de kelner dichterbij en bleef in luisterhouding staan; als ze langer dan een ingestelde time-out onder de drempel zakte, liep de kelner weg.

Drie parameters werden over de condities gegradeerd:

• Luisteraarsafstand - 5 m (Normal), 10 m (Effortful), 15 m (Calling)
• Stemactivatiedrempel - +3 dB, +5 dB, +10 dB boven de baseline-conditie SPL van elke deelnemer
• Wegloop-time-out - 5 s, 10 s, 20 s

De spreektaak in alle vier condities was dezelfde: “Bestel een drankje, een voorgerecht, een hoofdgerecht en een dessert.” De Baseline-conditie werd uitgevoerd met een lid van het onderzoeksteam als luisteraar in de behandelkamer op ~2 m. De drie IVS-condities werden uitgevoerd in het virtuele restaurant in willekeurige volgorde.

Om visueel-ruimtelijke effecten te isoleren, werd het achtergrondgeluid van het restaurant (achtergrondgesprekken en bestek, die IVS kan afspelen) in alle experimentele condities gedempt. De akoestische opname werd gemaakt via een AKG C520 head-mounted condensatormicrofoon op 7 cm van de mond, gekalibreerd op een referentie van 30 cm, opgenomen op 44,1 kHz / 16 bit via Computerized Speech Lab (CSL).

Uitkomsten: geluidsdrukniveau (SPL, dB) en gemiddelde spreekfundamentele frequentie (gemiddelde f0, Hz), elk geëxtraheerd uit CSL en geanalyseerd in afzonderlijke lineaire mixed-effects modellen met een willekeurig intercept voor subject. Vaste effecten waren Groep (Typisch, Atypisch) en Taakconditie (Baseline, Normal, Effortful, Calling). De Groep x Taakconditie interactie werd behouden voor gemiddelde f0 (significant) en uit het uiteindelijke SPL-model verwijderd (niet-significant). Vaste effecten werden geëvalueerd met Type III sums of squares en Kenward-Roger benaderde vrijheidsgraden; paarsgewijze contrasten gebruikten geschatte marginale gemiddelden met Tukey-correctie.

Een 5-punts Likert-vragenlijst (door de auteur ontwikkeld, nog niet gevalideerd) registreerde vier domeinen na de sessie: Bruikbaarheid en Interactie, Immersie en Realisme, Betrokkenheid en Waargenomen Voordeel, Comfort en Veiligheid. Domeinscores werden gemiddeld; een totale haalbaarheidsindex was het gemiddelde van de vier domeinen. Open feedback werd descriptief beoordeeld.

Wat ze vonden

Geluidsdrukniveau. Een significant hoofdeffect van IVS-niveau: F(3, 48) = 33,94, p < 0,001. Ten opzichte van Baseline steeg SPL met 3,83 dB bij Normal, 7,41 dB bij Effortful en 9,04 dB bij Calling (alle p < 0,001). De paarsgewijze contrasten Normal-naar-Effortful en Normal-naar-Calling waren significant; de stap van 1,63 dB van Effortful naar Calling was dat niet (p = 0,450), wat suggereert dat er een plafondachtig patroon optreedt op het hoogste vraagniveau. Het hoofdeffect van Groep was ook significant: personen met dysfonie produceerden gemiddeld ongeveer 6,88 dB lagere SPL dan vocaal gezonde sprekers. De Groep x Niveau interactie was niet-significant en werd daarom uit het uiteindelijke SPL-model verwijderd - beide groepen verhoogden de luidheid parallel naarmate de taakeisen toenamen.

Gemiddelde spreek-f0. Een significant hoofdeffect van IVS-niveau: F(3, 45) = 17,63, p < 0,001. Stapsgewijze stijgingen ten opzichte van Baseline (intercept ≈ 201,8 Hz voor de typische groep) van ongeveer 36 Hz bij Normal (p = 0,008), 66,6 Hz bij Effortful (p < 0,001) en 103,9 Hz bij Calling (p < 0,001). Het hoofdeffect van Groep was significant, maar de Niveau x Groep interactie was ook significant: F(3, 45) = 3,94, p = 0,014. Decompositie van de interactie: bij Baseline verschilden de groepen niet in gemiddelde f0 (p = 0,102); bij Normal benaderde het verschil significantie maar bereikte het niet (p = 0,055); bij Effortful (p = 0,003) en Calling (p < 0,001) was de kloof significant en groeide met de taakeisen. De dysfoniegroep verhoogde de toonhoogte met de taakeisen, maar in mindere mate dan de vocaal gezonde groep.

Haalbaarheid. Domeinscores (op 5): Bruikbaarheid en Interactie 3,9 (matig-goed), Immersie en Realisme 3,4 (matig, het laagste domein), Betrokkenheid en Waargenomen Voordeel 4,0 (goed), Comfort en Veiligheid 4,5 (uitstekend). Totale haalbaarheidsindex 4,0 (goed). Geen ongewenste voorvallen, geen cybersickness, geen technische onderbrekingen tijdens het protocol. De gemiddelde herconfiguratietijd van parameters tussen trials was ongeveer 2 minuten. De totale sessieduur was ongeveer 20 minuten per deelnemer.

Kwalitatieve feedback. Deelnemers omschreven de ervaring als “leuk,” “als een videogame,” en “een realistische manier om stemgebruik te oefenen.” Ze benoemden het live, responsieve gedrag van de kelner als het meest betrokken element. De meest consistente negatieve feedback was het beperkte interactionele gedrag van de kelner - deelnemers wilden verbale reacties, gezichtsuitdrukkingen en gebaren tijdens luisterbeurten om de interactie natuurlijker te laten aanvoelen.

Waarom dit belangrijk is

Voor de Evidence Hub zijn drie zaken belangrijk aan dit paper:

• Eerste gepubliceerd gebruik bij een klinische populatie van een op maat gebouwd stem-responsief VR-platform. Eerder immersief-VR-stemwerk (waaronder Daşdöğen 2023 en Daşdöğen 2026 over getrainde zangers) speelde zich grotendeels af bij vocaal gezonde volwassenen. Deze studie breidt uit naar personen met dysfonie, inclusief diagnostisch diverse gevallen.
• Direct bewijs dat stem-responsieve avatarfeedback gegradeerde vocale schaling kan ontlokken zonder expliciete sturing van de clinicus. Dit is de dichtstbijzijnde gepubliceerde demonstratie van een generalisatie- en transfer-mechanisme voor stemtherapie: de deelnemer past de vocale output in real time aan op functionele omgevingseisen, als reactie op non-verbale contextuele feedback.
• Vergelijkbaar gedragspatroon over vocaal gezonde en dysfoniegroepen voor luidheid, met beperkte toonhoogteflexibiliteit in de dysfoniegroep. De SPL-bevinding suggereert dat het contextuele mechanisme intact is bij sprekers met stemstoornissen; de f0-bevinding sluit aan bij de bredere stemliteratuur over verminderde fonatorische flexibiliteit bij verstoorde fonatie.

Voor Therapy withVR specifiek: dit werk testte IVS, niet Therapy withVR. Het bredere principe dat het ondersteunt (gegradeerde visueel-ruimtelijke eisen ontlokken functionele vocale aanpassing) komt overeen met de rationale die clinici al gebruiken bij de keuze van scènes in Therapy withVR voor stemwerk. Directe equivalentie van het avatar-drempel-triggermechanisme tussen platforms is niet bestudeerd.

Beperkingen

Het paper is expliciet over wat deze studie wel en niet aantoont:

• De steekproef is klein (N = 17; atypische n = 7). Subgroepanalyse per stemdiagnose is bij dit N niet haalbaar.
• Slechts één sessie. De centrale claim van het IVS-theoretische kader is verbeterde transfer over leersessies, wat dit ontwerp niet kan testen.
• Geen controle- of vergelijkingsconditie. Er is geen op verbeelding gebaseerde controle, geen alternatieve-behandelingsvergelijking en geen wachtlijstarm. De waargenomen effecten over IVS-niveaus zijn consistent met de visueel-ruimtelijke manipulatie, maar kunnen niet zuiver gescheiden worden van VR-blootstellings- of nieuwheidseffecten.
• Baseline opgenomen buiten de headset. De vergelijking van Baseline naar Normal verstrengelt de taakeisen met het opzetten van de headset en het voor het eerst betreden van een virtuele omgeving.
• Audio werd gedempt. Restaurant achtergrondgeluid (dat IVS kan afspelen) werd bewust gedempt om visueel-ruimtelijke effecten te isoleren. Dit is een schone experimentele keuze maar beperkt de ecologische validiteit - echte restaurants zijn rumoerig, en lawaai is een bekende drijfveer van vocale aanpassing.
• Eén virtuele context. Slechts één scène (het restaurant) werd getest. De klinische routekaart vraagt om aantoning van hetzelfde patroon over meerdere contexten (kliniek, klaslokaal, werkplek, optreden, medische settings).
• De haalbaarheidsvragenlijst is door de auteur ontwikkeld en niet gevalideerd. De open feedback is informatief, maar moet als descriptief en niet als psychometrisch behandeld worden.
• Aanzienlijk belangenconflict. De enige auteur is de uitvinder van IVS, houder van een Amerikaanse octrooiaanvraag op de technologie en de enige onderzoeker in deze studie. Er is geen inter-rater betrouwbaarheidswerk, geen kwaliteitscontrole door co-onderzoekers en geen onafhankelijke replicatie.
• Interactionele beperkingen van de avatar. Deelnemersfeedback signaleerde het ontbreken van verbale en gestuele avatarrespons als beperking van het waargenomen realisme. Dit is een ontwikkelingsprioriteit voor toekomstige versies en is ook een belangrijke bedreiging voor de interpretatie van de Immersie en Realisme scores in de huidige pilot.

Hoe dit aansluit bij de bredere Evidence Hub

Deze studie maakt deel uit van een groeiende lijn van immersief-VR-stemwerk gecentreerd rond Mount Sinai / Daşdöğen en aangrenzende stemlabs:

• Daşdöğen e.a. 2023 (Journal of Voice) - het funderende realisme-en-validiteit werk bij 31 vocaal gezonde volwassenen over 18 sensorische-inputcondities. Stelde vast dat visuele en audiovisuele VR-cues, niet alleen akoestische cues, de vocale output veranderen.
• Daşdöğen en Hitchcock 2026 (Journal of Voice) - studie bij getrainde zangers versus ongetrainde sprekers met de Rooms-module van Therapy withVR. Toonde aan dat virtuele afstandscues de vocale schaling anders aansturen in getrainde versus ongetrainde stemmen.
• Hoff 2026 (Journal of Voice) - VR-gebaseerde korte meditatie voorafgaand aan stemtherapie. Ander mechanisme (regulatie van toestandsangst in plaats van directe vocale cueing) maar dezelfde richting voor VR-adoptie in stemklinieken.
• Leyns e.a. 2025 (Journal of Voice) - RCT van VR-gebaseerde genderbevestigende stemtraining met Therapy withVR. Direct relevant gezien dat IVS naar verluidt genderbevestigende stemmodules ontwikkelt volgens institutionele rapportage van Mount Sinai.

Het bredere landschap: stem-VR beweegt van “voelt de simulatie echt genoeg om gedrag te veranderen” (grotendeels beantwoord: ja) naar “zorgt het oefenen in de simulatie voor transfer naar real-world stemgebruik” (grotendeels onbeantwoord, in afwachting van longitudinaal werk over meerdere sessies). Deze studie ligt op de grens - haalbaarheid en onmiddellijk gedragssignaal zijn vastgesteld voor een op maat gebouwd stem-responsief platform; transfer is de volgende toets.

Opmerking over het Immersive VoiceSpace platform. IVS is onderscheiden van Therapy withVR. Het is een single-scene, stem-drempel-responsief systeem, uitgevonden en gepatenteerd door de auteur van de studie. Het institutionele rapport van Mount Sinai (mei 2026, “Hypophonia”) beschrijft lopend werk dat IVS uitbreidt naar personen met hypofonie bij de ziekte van Parkinson, met geplande modules voor vocale feminisatie en aanvullende contexten. De IP-status van IVS kon op het moment van deze review niet onafhankelijk worden geverifieerd (zie funding/COI-veld).