Ανάλυση φωνής: Με πόση ακρίβεια μπορεί να διαγνώσει τον διαβήτη

Η μελέτη χρησιμοποίησε κατά μέσο όρο 25 δευτερόλεπτα ανθρώπινων φωνών σε συνδυασμό με βασικά δεδομένα υγείας, όπως η ηλικία, το φύλο, ο δείκτης μάζας σώματος (ΔΜΣ) και η αρτηριακή πίεση, για να αναπτύξει ένα μοντέλο τεχνητής νοημοσύνης που μπορεί να διακρίνει αν ένα άτομο έχει διαβήτη τύπου 2 ή όχι, με ακρίβεια 66% στις γυναίκες και 71% στους άνδρες.

«Οι περισσότερες τρέχουσες μέθοδοι ελέγχου για τον διαβήτη τύπου 2 απαιτούν πολύ χρόνο και είναι επεμβατικές, εργαστηριακές και δαπανηρές», εξήγησε η επικεφαλής συγγραφέας Abir Elbeji από το Ινστιτούτο Υγείας του Λουξεμβούργου στο Λουξεμβούργο.

«Ο συνδυασμός της τεχνητής νοημοσύνης με τη φωνητική τεχνολογία έχει τη δυνατότητα να καταστήσει τις εξετάσεις πιο προσιτές, καταργώντας αυτά τα εμπόδια. Αυτή η μελέτη είναι το πρώτο βήμα προς τη χρήση της ανάλυσης φωνής ως πρώτης γραμμής στρατηγική διαλογής για τον διαβήτη τύπου 2».

Περίπου οι μισοί ενήλικες με διαβήτη (περίπου 240 εκατομμύρια παγκοσμίως) δεν γνωρίζουν ότι πάσχουν από τη νόσο, επειδή τα συμπτώματα μπορεί να είναι γενικά ή ανύπαρκτα. Το 90% από αυτούς έχουν διαβήτη τύπου 2. Όμως, η έγκαιρη ανίχνευση και θεραπεία μπορεί να βοηθήσει στην πρόληψη σοβαρών επιπλοκών. Η μείωση των αδιάγνωστων περιπτώσεων διαβήτη τύπου 2 παγκοσμίως, αποτελεί επείγουσα πρόκληση για τη δημόσια υγεία.

Η μελέτη είχε ως στόχο να αναπτύξει και να αξιολογήσει την απόδοση ενός αλγορίθμου τεχνητής νοημοσύνης με βάση τη φωνή για να ανιχνεύσει αν οι ενήλικες έχουν διαβήτη.

Οι ερευνητές ζήτησαν από 607 ενήλικες που συμμετείχαν στη μελέτη Colive Voice (με και χωρίς διαβήτη τύπου 2) να παράσχουν μια φωνητική ηχογράφηση του εαυτού τους ενώ διαβάζουν μερικές προτάσεις ενός κειμένου, απευθείας από το smartphone ή τον φορητό υπολογιστή τους.

Τόσο οι γυναίκες όσο και οι άνδρες με διαβήτη τύπου 2 ήταν μεγαλύτεροι σε ηλικία (μέση ηλικία γυναικών 49,5 έναντι 40,0 ετών και ανδρών 47,6 έναντι 41,6 ετών) και είχαν περισσότερες πιθανότητες να ζουν με παχυσαρκία (μέσος ΔΜΣ γυναικών 35,8 έναντι 28,0 kg/m2 και ανδρών 32,8 έναντι 26,6 kg/m2) σε σχέση με εκείνους χωρίς διαβήτη τύπου 2.

Από ένα σύνολο 607 ηχογραφήσεων, ο αλγόριθμος τεχνητής νοημοσύνης ανέλυσε διάφορα φωνητικά χαρακτηριστικά, όπως αλλαγές στα ύψη, την ένταση και τον τόνο, για να εντοπίσει τις διαφορές μεταξύ ατόμων με και χωρίς διαβήτη.

Αυτό έγινε με τη χρήση δύο προηγμένων τεχνικών: μία που κατέγραψε έως και 6.000 λεπτομερή φωνητικά χαρακτηριστικά και μια πιο εξελιγμένη προσέγγιση που επικεντρώθηκε σε ένα εκλεπτυσμένο σύνολο 1.024 βασικών χαρακτηριστικών.

Οι επιδόσεις των καλύτερων μοντέλων ομαδοποιήθηκαν με βάση διάφορους παράγοντες κινδύνου διαβήτη, όπως η ηλικία, ο ΔΜΣ και η υπέρταση, και συγκρίθηκαν με το αξιόπιστο εργαλείο της Αμερικανικής Διαβητολογικής Εταιρείας (ADA) για την εκτίμηση του κινδύνου διαβήτη τύπου 2.

Οι αλγόριθμοι που βασίζονται στη φωνή έδειξαν καλή συνολική προγνωστική ικανότητα, αναγνωρίζοντας σωστά το 71% των ανδρών και το 66% των γυναικών με διαβήτη τύπου 2. Το μοντέλο είχε ακόμη καλύτερες επιδόσεις σε γυναίκες ηλικίας 60 ετών και άνω και σε άτομα με υπέρταση.

Επιπλέον, υπήρξε 93% συμφωνία με τη βαθμολογία κινδύνου ADA βάσει ερωτηματολογίου, καταδεικνύοντας ισοδύναμες επιδόσεις μεταξύ της φωνητικής ανάλυσης και ενός ευρέως αποδεκτού εργαλείου διαλογής.

«Παρόλο που τα ευρήματά μας είναι ελπιδοφόρα, απαιτείται περαιτέρω έρευνα και επικύρωση προτού η προσέγγιση αποκτήσει τη δυνατότητα να γίνει στρατηγική πρώτης γραμμής για τον έλεγχο του διαβήτη και να συμβάλει στη μείωση του αριθμού των ατόμων με αδιάγνωστο διαβήτη τύπου 2. Τα επόμενα βήματά μας είναι να στοχεύσουμε ειδικά στις περιπτώσεις διαβήτη τύπου 2 σε πρώιμο στάδιο και στον προδιαβήτη», δήλωσε ο συν-συγγραφέας Δρ. Guy Fagherazzi από το Ινστιτούτο Υγείας του Λουξεμβούργου.

Πηγή: Medical express