Forskere ved helseforskningsselskapet Klick Labs har utviklet en maskinlæringsmodell som kan avgjøre om det foreligger type 2-diabetes ut fra et kort stemmeopptak på bare 6 til 10 sekunder.
Modellen viser en maksimal testnøyaktighet på 89% for kvinner og 86% for menn når den kombineres med andre måleparametere som kroppsmasseindeks (BMI).
"Forskningen vår belyser betydelige vokale variasjoner mellom personer med og uten type 2-diabetes, og kan endre hvordan det medisinske samfunnet screener for diabetes", kommenterer Jaycee Kaufman, forsker ved Klick Labs.
Metoden, publisert i Mayo Clinic Proceedingskrever et kort lydklipp som er tatt opp med smarttelefon.
"Dagens metoder for å oppdage slike tilfeller kan kreve mye tid, reisevirksomhet og kostnader. Stemmeteknologi har potensial til å fjerne disse hindringene helt og holdent", legger Kaufman til.
Studien omfattet analyse av 18 000 opptak, og målet var å identifisere unike akustiske trekk som skiller diabetikere fra ikke-diabetikere, ved å oppdage subtile forskjeller i tonehøyde og intensitet som er umerkelige for det menneskelige øret.
På et senere stadium eller ved fremskreden diabetes kan stemmen påvirkes av nerveskader og nedsatt blodgjennomstrømning, noe som kan føre til tilstander som nevropati som påvirker stemmebåndene. Dette kan resultere i en svak, hes eller sliten stemme.
I tillegg kan diabetes føre til munntørrhet på grunn av redusert spyttproduksjon, noe som bidrar ytterligere til stemmeproblemer.
Forskerne understreker at kunstig intelligens spiller en stadig viktigere rolle i helsevesenet, og mener at denne taleteknologien kan utvides til å diagnostisere andre helsetilstander.
Yan Fossat, visepresident i Klick Labs, sier: "Forskningen vår understreker det enorme potensialet stemmeteknologi har når det gjelder å identifisere type 2-diabetes og andre helsetilstander. Stemmeteknologi kan revolusjonere helsevesenet som et tilgjengelig og rimelig digitalt screeningverktøy."
Mer om studien
Dette er en fascinerende studie, men er den metodisk robust?
Utvalget er relativt lite, og det finnes begrenset informasjon om hvor fremskreden diabetes er i diabetikergruppen og lite informasjon om kontrollgruppen.
Likevel ser det ut til at det er mulig å forutsi de subtile tonale kvalitetene i tale hos diabetikere med en fremskreden eller ukontrollert form av sykdommen.
Her er en nærmere titt:
- Målsetting: Studien forsøker å undersøke om stemmeanalyse kan bidra til å forhåndsscreene eller overvåke diabetes mellitus type 2 (T2DM). Forskerne fokuserte på å identifisere forskjeller i stemmeopptak mellom personer med og uten T2DM.
- Metodikk: 267 deltakere, både menn og kvinner, inkludert personer uten diabetes og T2DM, spilte inn en fast frase flere ganger daglig i to uker ved hjelp av en smarttelefonapp. Denne prosessen genererte over 18 000 opptak. Teamet trakk ut 14 ulike akustiske egenskaper fra disse opptakene for å analysere og sammenligne stemmene til deltakere uten diabetes og T2DM.
- Funn: Forskerne oppdaget betydelige forskjeller i stemmeopptakene til både menn og kvinner når de sammenlignet deltakere uten diabetes med deltakere med T2DM. De identifiserte spesifikke stemmekjennetegn som nøyaktig kunne forutsi T2DM-status, særlig når de ble kombinert med alder og BMI-data. Maksimal testnøyaktighet nådde 89% for kvinner og 86% for menn.
- Konsekvenser: Disse resultatene tyder på at stemmeanalyse har potensial som et verktøy for forhåndsscreening eller overvåking av T2DM. Denne metoden kan være spesielt nyttig i avsidesliggende lokalsamfunn, der den kan være et tilgjengelig og ikke-invasivt alternativ for tidlig oppdagelse og løpende overvåking.
Konseptet med å diagnostisere sykdom ved hjelp av et stemmeopptak kan virke søkt, og det er viktig å være klar over at de beste resultatene bare ble oppnådd når opptakene ble kombinert med BMI.
