Forskare vid vårdforskningsföretaget Klick Labs har utvecklat en maskininlärningsmodell som kan fastställa förekomsten av typ 2-diabetes från en kort röstinspelning på bara 6 till 10 sekunder.
Modellen visar en maximal testprecision på 89% för kvinnor och 86% för män när den kombineras med andra mätvärden som BMI (Body Mass Index).
"Vår forskning visar på betydande röstvariationer mellan individer med och utan typ 2-diabetes och kan förändra hur man inom sjukvården screenar för diabetes", säger Jaycee Kaufman, forskare på Klick Labs.
Metoden, publicerad i Mayo Clinic Proceedings, kräver ett kort ljudklipp inspelat med smartphone.
"De nuvarande metoderna för att upptäcka brott kan kräva mycket tid, resor och kostnader. Rösttekniken har potential att helt undanröja dessa hinder", säger Kaufman.
I studien analyserades 18.000 inspelningar i syfte att identifiera unika akustiska egenskaper som skiljer diabetiker från icke-diabetiker genom att upptäcka subtila skillnader i tonhöjd och intensitet som är omärkliga för det mänskliga örat.
Senare eller långt framskriden diabetes kan påverka rösten genom att orsaka nervskador och försämra blodflödet, vilket leder till tillstånd som neuropati som påverkar stämbanden. Detta kan leda till en svag, hes eller trött klingande röst.
Dessutom kan diabetes leda till muntorrhet på grund av minskad salivproduktion, vilket ytterligare bidrar till röstproblem.
Forskarna betonar AI:s växande roll inom sjukvården och tror att denna röstteknik kan utvidgas till att diagnostisera andra hälsotillstånd.
Yan Fossat, Vice President på Klick Labs, säger: "Vår forskning understryker den enorma potential som röstteknologi har för att identifiera typ 2-diabetes och andra hälsotillstånd. Röstteknologi kan revolutionera sjukvården som ett tillgängligt och prisvärt digitalt screeningverktyg."
Mer om studien
Det här är en fascinerande studie, men är den metodologiskt robust?
Urvalet är relativt litet och det finns begränsad information om hur långt framskriden diabetes är i diabetikergruppen och lite information om kontrollgruppen.
Att förutsäga de subtila tonala egenskaperna i tal hos diabetiker verkar dock vara möjligt för dem som har en avancerad eller okontrollerad form av sjukdomen.
Här är en närmare titt:
- Målsättning: Studien syftar till att undersöka om röstanalys kan bidra till förundersökning eller övervakning av diabetes mellitus typ 2 (T2DM). Forskarna fokuserade på att identifiera skillnader i röstinspelningar mellan personer med och utan T2DM.
- Metodik: 267 deltagare, både män och kvinnor, inklusive personer utan diabetes och T2DM, spelade in en fast fras flera gånger dagligen under två veckor med hjälp av en smartphone-app. Denna process genererade över 18.000 inspelningar. Teamet extraherade 14 olika akustiska funktioner från dessa inspelningar för att analysera och jämföra rösterna hos deltagare med diabetes och T2DM.
- Resultat: Forskarna upptäckte betydande skillnader i röstinspelningarna från både män och kvinnor när de jämförde deltagare som inte hade diabetes med deltagare som hade diabetes mellitus. De identifierade specifika röstkaraktäristika som på ett korrekt sätt förutspådde T2DM-status, särskilt när de kombinerades med uppgifter om ålder och BMI. Den maximala testnoggrannheten uppgick till 89% för kvinnor och 86% för män.
- Konsekvenser: Dessa resultat tyder på att röstanalys har potential som ett verktyg för förundersökning eller övervakning av T2DM. Denna metod kan vara särskilt användbar i avlägsna samhällen och erbjuda ett tillgängligt och icke-invasivt alternativ för tidig upptäckt och löpande övervakning.
Tanken på att diagnostisera sjukdomar med hjälp av en röstinspelning kan verka långsökt, och det är viktigt att inse att de bästa resultaten endast uppnåddes när inspelningarna kombinerades med BMI.
