Forscher des Gesundheitsforschungsunternehmens Klick Labs haben ein maschinelles Lernmodell entwickelt, das das Vorhandensein von Typ-2-Diabetes anhand einer kurzen Sprachaufnahme von nur 6 bis 10 Sekunden feststellen kann.
Das Modell zeigt eine maximale Testgenauigkeit von 89% für Frauen und 86% für Männer, wenn es mit anderen Metriken wie dem Body Mass Index (BMI) kombiniert wird.
"Unsere Forschung hebt signifikante Stimmvariationen zwischen Personen mit und ohne Typ-2-Diabetes hervor und könnte die Art und Weise, wie die medizinische Gemeinschaft auf Diabetes untersucht, verändern", kommentierte Jaycee Kaufman, Wissenschaftlerin bei Klick Labs.
Die Methode, veröffentlicht in Mayo Clinic Proceedingserfordert einen kurzen, mit dem Smartphone aufgezeichneten Audioclip.
"Die derzeitigen Erkennungsmethoden können sehr zeit-, reise- und kostenaufwendig sein. Die Sprachtechnologie hat das Potenzial, diese Hindernisse vollständig zu beseitigen", fügte Kaufman hinzu.
Im Rahmen der Studie wurden 18.000 Aufnahmen analysiert, um einzigartige akustische Merkmale zu identifizieren, die Diabetiker von Nicht-Diabetikern unterscheiden, wobei subtile, für das menschliche Ohr nicht wahrnehmbare Unterschiede in Tonhöhe und Intensität festgestellt wurden.
Diabetes im fortgeschrittenen Stadium kann sich auf die Stimme auswirken, indem er Nervenschäden verursacht und die Durchblutung beeinträchtigt, was zu Erkrankungen wie Neuropathie führt, die die Stimmbänder beeinträchtigen. Dies kann zu einer schwachen, heiseren oder müde klingenden Stimme führen.
Außerdem kann Diabetes aufgrund der verminderten Speichelproduktion zu Mundtrockenheit führen, was wiederum zu Stimmproblemen beiträgt.
Die Forscher betonen die wachsende Rolle der KI im Gesundheitswesen und glauben, dass diese Sprachtechnologie auf die Diagnose anderer Gesundheitszustände ausgeweitet werden könnte.
Yan Fossat, Vizepräsident von Klick Labs, teilte mit: "Unsere Forschung unterstreicht das enorme Potenzial der Sprachtechnologie bei der Erkennung von Typ-2-Diabetes und anderen Gesundheitszuständen. Die Sprachtechnologie könnte die Gesundheitspraxis als zugängliches und erschwingliches digitales Screening-Tool revolutionieren."
Mehr über die Studie
Dies ist eine faszinierende Studie, aber ist sie auch methodisch robust?
Die Stichprobengröße ist relativ klein, und es gibt nur wenige Informationen darüber, wie weit der Diabetes in der Diabetikergruppe fortgeschritten ist, und wenig Informationen über die Kontrollgruppe.
Dennoch scheint eine Vorhersage der subtilen klanglichen Qualitäten der Sprache bei Diabetikern mit fortgeschrittener oder nicht beherrschter Krankheit durchaus möglich.
Hier ist ein genauerer Blick:
- Zielsetzung: In der Studie wird untersucht, ob die Sprachanalyse bei der Früherkennung oder Überwachung von Typ-2-Diabetes mellitus (T2DM) helfen könnte. Die Forscher konzentrierten sich auf die Identifizierung von Unterschieden in Stimmaufnahmen zwischen Personen mit und ohne T2DM.
- Methodik: 267 Teilnehmer, sowohl Männer als auch Frauen, darunter Nichtdiabetiker und T2DM-Patienten, nahmen zwei Wochen lang mehrmals täglich einen festen Satz mit einer Smartphone-App auf. Auf diese Weise entstanden über 18.000 Aufnahmen. Das Team extrahierte 14 verschiedene akustische Merkmale aus diesen Aufnahmen, um die Stimmen von Nicht-Diabetikern und T2DM-Teilnehmern zu analysieren und zu vergleichen.
- Feststellungen: Die Forscher entdeckten signifikante Unterschiede in den Stimmaufnahmen sowohl von Männern als auch von Frauen, wenn sie nicht zuckerkranke Teilnehmer mit solchen mit T2DM verglichen. Sie identifizierten spezifische Stimmmerkmale, die eine genaue Vorhersage des T2DM-Status ermöglichten, insbesondere wenn sie mit Alters- und BMI-Daten kombiniert wurden. Die maximale Testgenauigkeit erreichte 89% für Frauen und 86% für Männer.
- Auswirkungen: Diese Ergebnisse deuten darauf hin, dass die Sprachanalyse ein potenzielles Instrument für die Früherkennung und Überwachung von T2DM ist. Diese Methode könnte besonders in abgelegenen Gemeinden nützlich sein, da sie eine zugängliche und nicht-invasive Option für die Früherkennung und laufende Überwachung bietet.
Das Konzept der Krankheitsdiagnose durch eine Sprachaufnahme mag weit hergeholt erscheinen, und es ist wichtig zu erkennen, dass die besten Ergebnisse nur erzielt wurden, wenn die Aufnahmen mit dem BMI kombiniert wurden.
