Onderzoekers van het gezondheidszorgonderzoeksbedrijf Klick Labs hebben een machine learning-model ontwikkeld dat de aanwezigheid van diabetes type 2 kan vaststellen op basis van een korte stemopname van slechts 6 tot 10 seconden.
Het model toont een maximale testnauwkeurigheid van 89% voor vrouwen en 86% voor mannen in combinatie met andere meetgegevens zoals de body mass index (BMI).
"Ons onderzoek benadrukt significante vocale variaties tussen individuen met en zonder type 2 diabetes en zou de manier waarop de medische gemeenschap screent op diabetes kunnen veranderen", zegt Jaycee Kaufman, een onderzoekswetenschapper bij Klick Labs.
De methode, gepubliceerd in Mayo Clinic Proceedingsvereist een kort, met een smartphone opgenomen audiofragment.
"De huidige opsporingsmethoden kunnen veel tijd, reizen en kosten met zich meebrengen. Spraaktechnologie heeft het potentieel om deze barrières volledig weg te nemen," voegt Kaufman toe.
Het onderzoek omvatte de analyse van 18.000 opnames, met als doel het identificeren van unieke akoestische kenmerken die diabetici onderscheiden van niet-diabetici, door het detecteren van subtiele verschillen in toonhoogte en intensiteit die niet waarneembaar zijn voor het menselijk oor.
Diabetes in een later stadium of in een vergevorderd stadium kan invloed hebben op de stem doordat de zenuwen beschadigd raken en de bloeddoorstroming wordt belemmerd, wat leidt tot aandoeningen zoals neuropathie die de stembanden aantasten. Dit kan leiden tot een zwakke, hese of vermoeid klinkende stem.
Daarnaast kan diabetes leiden tot een droge mond door verminderde speekselproductie, wat nog meer bijdraagt aan stemproblemen.
De onderzoekers benadrukken de groeiende rol van AI in de gezondheidszorg en geloven dat deze spraaktechnologie zou kunnen worden uitgebreid om andere gezondheidsaandoeningen te diagnosticeren.
Yan Fossat, Vice President van Klick Labs: "Ons onderzoek onderstreept het enorme potentieel van spraaktechnologie bij het identificeren van diabetes type 2 en andere gezondheidsproblemen. Spraaktechnologie zou een revolutie teweeg kunnen brengen in de gezondheidszorg als een toegankelijk en betaalbaar digitaal screeningsinstrument."
Meer over het onderzoek
Dit is een fascinerend onderzoek, maar is het methodologisch robuust?
De steekproef is relatief klein en er is beperkte informatie over hoe ver de diabetes gevorderd is in de groep met diabetes en weinig informatie over de controlegroep.
Toch lijkt het voorspellen van de subtiele tonale kwaliteiten van spraak bij diabetici zeker mogelijk voor mensen met een gevorderde of onbehandelde vorm van de ziekte.
Hier is een kijkje van dichterbij:
- Doel: De studie probeert te onderzoeken of stemanalyse kan helpen bij het vooraf screenen of controleren van diabetes mellitus type 2 (T2DM). Onderzoekers richtten zich op het identificeren van verschillen in stemopnames tussen personen met en zonder T2DM.
- Methodologie: 267 deelnemers, zowel mannen als vrouwen, waaronder mensen zonder diabetes en met T2DM, namen gedurende twee weken meerdere keren per dag een vaste zin op met behulp van een smartphone-app. Dit proces leverde meer dan 18.000 opnames op. Het team haalde 14 verschillende akoestische kenmerken uit deze opnames om de stemmen van deelnemers zonder diabetes en T2DM te analyseren en te vergelijken.
- Bevindingen: De onderzoekers ontdekten significante verschillen in de stemopnames van zowel mannen als vrouwen bij het vergelijken van deelnemers zonder diabetes met deelnemers met T2DM. Ze identificeerden specifieke stemkenmerken die nauwkeurig de T2DM status voorspelden, vooral wanneer ze gecombineerd werden met leeftijd en BMI gegevens. De maximale testnauwkeurigheid bereikte 89% voor vrouwen en 86% voor mannen.
- Implicaties: Deze resultaten geven aan dat stemanalyse potentieel heeft als vooronderzoek of controle-instrument voor T2DM. Deze methode kan vooral nuttig zijn in afgelegen gemeenschappen en een toegankelijke en niet-invasieve optie bieden voor vroegtijdige detectie en voortdurende controle.
Het concept om een ziekte te diagnosticeren via een stemopname lijkt misschien vergezocht en het is essentieel om te erkennen dat de beste resultaten alleen werden verkregen wanneer de opnames werden gecombineerd met de BMI.
