Model sztucznej inteligencji jest w stanie zidentyfikować zmiany w głosie danej osoby, aby określić obecność cukrzycy typu 2, osiągając: dokładność u 66% kobiet i 71% u mężczyzn.
Nowe badania, zaprezentowane na tegorocznym dorocznym spotkaniu Europejskiego Stowarzyszenia Badań nad Cukrzycą (EASD) w Madrycie (9–13 września), ujawniają potencjał analizy głosu w wykrywaniu wcześniej niezdiagnozowanych przypadków cukrzycy typu 2 (T2D).
W badaniu wykorzystano średnio 25 sekund głosów ludzi wraz z podstawowymi danymi dotyczącymi zdrowia, takimi jak wiek, płeć, wskaźnik masy ciała (BMI) i stan nadciśnienia, aby opracować model sztucznej inteligencji, który może rozróżnić, czy dana osoba cierpi na T2D, czy nie (66%). dokładność u kobiet i 71% trafności u mężczyzn.
Wyzwania związane z obecnymi metodami badań przesiewowych w kierunku cukrzycy
„Większość obecnych metod badań przesiewowych w kierunku cukrzycy typu 2 wymaga dużo czasu, jest inwazyjna, laboratoryjna i kosztowna” – wyjaśnia główny autor Abir Elbeji z Luksemburskiego Instytutu Zdrowia w Luksemburgu. „Połączenie sztucznej inteligencji z technologią głosową może zwiększyć dostępność testów poprzez usunięcie tych przeszkód. To badanie stanowi pierwszy krok w kierunku wykorzystania analizy głosu jako pierwszorzędnej, wysoce skalowalnej strategii badań przesiewowych w kierunku cukrzycy typu 2”.
Około połowa dorosłych chorych na cukrzycę (około 240 milionów na całym świecie) nie jest świadoma swojej choroby, ponieważ objawy mogą być ogólne lub nieistnieć – około 90% z nich ma T2D. Jednak wczesne wykrycie i leczenie mogą pomóc w zapobieganiu poważnym powikłaniom. Zmniejszenie liczby niezdiagnozowanych przypadków T2D na całym świecie jest pilnym wyzwaniem w zakresie zdrowia publicznego.
Celem badania było opracowanie i ocena działania algorytmu sztucznej inteligencji opartego na głosie, umożliwiającego wykrywanie, czy dorośli cierpią na T2D.
Naukowcy poprosili 607 dorosłych z badania Colive Voice (ze zdiagnozowaną chorobą T2D i bez niej) o nagranie głosu, na którym czytają kilka zdań z podanego tekstu, bezpośrednio ze swojego smartfona lub laptopa.
Zarówno kobiety, jak i mężczyźni chorzy na T2D byli starsi (średni wiek kobiet 49,5 w porównaniu z 40,0 lat, a mężczyźni 47,6 w porównaniu z 41,6 lat) i częściej cierpieli na otyłość (średnie BMI kobiet 35,8 w porównaniu z 28,0 kg/m² i mężczyzn 32,8 w porównaniu z 26,6 kg/m²). ) niż te bez T2D.
Metodologia badania i uczestnicy
Z łącznie 607 nagrań algorytm AI przeanalizował różne cechy głosu, takie jak zmiany wysokości, intensywności i tonu, aby zidentyfikować różnice między osobami chorymi na cukrzycę i bez cukrzycy.
Dokonano tego przy użyciu dwóch zaawansowanych technik: jednej, która uchwyciła do 6000 szczegółowych cech głosu, oraz bardziej wyrafinowanego podejścia polegającego na głębokim uczeniu się, które skupiało się na udoskonalonym zestawie 1024 kluczowych funkcji.
Skuteczność najlepszych modeli pogrupowano według kilku czynników ryzyka cukrzycy, w tym wieku, BMI i nadciśnienia, i porównano z wiarygodnym narzędziem American Diabetes Association (ADA) do oceny ryzyka T2D.
Algorytmy głosowe wykazały dobrą ogólną zdolność przewidywania, prawidłowo identyfikując 71% przypadków T2D u mężczyzn i 66% u kobiet. Model sprawdził się jeszcze lepiej u kobiet w wieku 60 lat i starszych oraz u osób z nadciśnieniem.
Ponadto stwierdzono 93% zgodności z oceną ryzyka ADA opartą na kwestionariuszu, wykazując równoważne wyniki analizy głosu i powszechnie akceptowanego narzędzia przesiewowego.
„Chociaż nasze odkrycia są obiecujące, konieczne są dalsze badania i walidacja, zanim podejście to będzie mogło stać się strategią badań przesiewowych pierwszego rzutu w kierunku cukrzycy i pomóc w zmniejszeniu liczby osób z niezdiagnozowaną cukrzycą typu 2. Nasze kolejne kroki obejmują w szczególności przypadki cukrzycy typu 2 we wczesnym stadium i stanu przedcukrzycowego” – powiedział współautor dr Guy Fagherazzi z Luksemburskiego Instytutu Zdrowia w Luksemburgu.
Spotkanie: Coroczne spotkanie Europejskiego Stowarzyszenia Badań nad Cukrzycą (EASD)
