新的研究表明，人工智能语音分析可以检测出未确诊的 2 型糖尿病，准确率高达 71%。这种非侵入性方法很有前景，但在用于广泛筛查之前还需要进一步验证。
该人工智能模型能够识别个人声音的变化以确定是否患有 2 型糖尿病，对女性的准确率为 66%，对男性的准确率为 71%。
今年在马德里举行的欧洲糖尿病研究协会 (EASD) 年会（9 月 9 日至 13 日）上公布的新研究揭示了语音分析在检测以前未确诊的 2 型糖尿病 (T2D) 病例方面的潜力。
该研究平均使用了 25 秒的人的声音以及年龄、性别、身体质量指数 (BMI) 和高血压状况等基本健康数据，开发了一个可以区分个人是否患有 2 型糖尿病的人工智能模型，对女性的准确率为 66%，对男性的准确率为 71%。
当前糖尿病筛查方法的挑战“目前大多数 2 型糖尿病筛查方法需要大量时间，而且具有侵入性、需要实验室检查，成本高昂，”卢森堡卫生研究所的首席作者 Abir Elbeji 解释道：“将人工智能与语音技术相结合，有可能消除这些障碍，让检测变得更容易。这项研究是将语音分析作为一线、高度可扩展的 2 型糖尿病筛查策略的第一步。”
约有一半的糖尿病成年人（全球约 2.4 亿）并不知道自己患有糖尿病，因为症状可能很普遍或根本不存在——其中约 90% 患有 2 型糖尿病。但早期发现和治疗有助于预防严重并发症。减少全球未确诊的 2 型糖尿病病例是一项紧迫的公共卫生挑战。
该研究旨在开发和评估基于语音的人工智能算法的性能，以检测成年人是否患有 2 型糖尿病。
研究人员要求参与 Colive Voice 研究的 607 名成年人（诊断为患有和未诊断为 2 型糖尿病）提供他们自己通过智能手机或笔记本电脑直接朗读所提供内容的几句话的录音。
与未患 2 型糖尿病的人相比，患有 2 型糖尿病的女性和男性年龄都较大 (女性平均年龄 49.5 岁 vs 40.0 岁，男性平均年龄 47.6 岁 vs 41.6 岁)，并且患肥胖症的可能性也更大 (女性平均 BMI 35.8 千克/米2 vs 28.0 千克/米2，男性平均 BMI 32.8 千克/米2 vs 26.6 千克/米2)。
研究方法和参与者从总共 607 条录音中，人工智能算法分析了各种声音特征，例如音调、强度和声调的变化，以识别患有糖尿病和非糖尿病患者之间的差异。
这项工作采用了两种先进的技术：一种技术可以捕捉多达 6,000 个详细的声音特征；另一种更为复杂的深度学习方法则专注于一组精细的 1,024 个关键特征。
最佳模型的性能根据年龄、BMI 和高血压等几项糖尿病风险因素进行分组，并与可靠的美国糖尿病协会 (ADA) 2 型糖尿病风险评估工具进行比较。
基于语音的算法表现出良好的整体预测能力，正确识别了 71% 的男性 2 型糖尿病病例和 66% 的女性 2 型糖尿病病例。该模型在 60 岁或以上的女性和高血压患者中表现更佳。
此外，基于问卷的 ADA 风险评分有 93% 的同意率，表明语音分析与广泛接受的筛查工具具有同等性能。
“虽然我们的研究结果令人鼓舞，但在该方法有可能成为一线糖尿病筛查策略并帮助减少未确诊 2 型糖尿病患者数量之前，还需要进一步研究和验证。我们下一步将专门针对早期 2 型糖尿病病例和糖尿病前期患者。”卢森堡卫生研究所的合著者 Guy Fagherazzi 博士说。
会议：欧洲糖尿病研究协会（EASD）年会
来源：糖尿病学杂志
免责声明：康嘉年華致力于健康常识分享，内容根据公开资料编辑，版权归原作者；如有侵权请在线留言删除。文章旨在介绍健康科学进展，不能作为治疗方案；如需精准健康指导，请至正规医院诊疗。
