Новое исследование, представленное на ежегодном собрании Европейской ассоциации по изучению диабета (Annual Meeting of The European Association for the Study of Diabetes) в Мадриде с 9 по 13 сентября, демонстрирует потенциал использования голосового анализа для выявления пациентов с невыявленным диабетом 2 типа (СД2).
В исследовании использовались записи голосов людей средней длительностью 25 секунд, а также основные данные о состоянии их здоровья, такие как возраст, пол, индекс массы тела (ИМТ) и наличие гипертонии. На основе этих данных была создана модель искусственного интеллекта, способная с высокой точностью определять наличие сахарного диабета второго типа (СД2). Точность модели составила 66% для женщин и 71% для мужчин.
«Большинство современных методов выявления диабета 2 типа требуют много времени, являются неприятными, проводятся в лабораториях и стоят дорого», — рассказал ведущий автор исследования Абир Эльбеджи (Abir Elbeji).
«Сочетание искусственного интеллекта и голосовых технологий может сделать тестирование более доступным и устранить препятствия. Это исследование — первый шаг к использованию голосового анализа как основной и высокомасштабируемой стратегии скрининга сахарного диабета второго типа».
Примерно половина взрослых людей, страдающих от диабета (около 240 миллионов во всём мире), даже не подозревают о своём заболевании. Это связано с тем, что симптомы диабета могут быть общими или не проявляться вовсе. Примерно 90% из этих людей имеют сахарный диабет второго типа.
Однако раннее выявление и лечение диабета могут помочь предотвратить серьёзные осложнения. Поэтому сокращение числа невыявленных случаев сахарного диабета второго типа во всём мире является важной задачей общественного здравоохранения.
Целью исследования была разработка и оценка эффективности голосового алгоритма искусственного интеллекта, который может определять наличие сахарного диабета второго типа у взрослых.
В исследовании Colive Voice приняли участие 607 взрослых, из них 321 человек страдал сахарным диабетом 2 типа, а 286 – нет. Участникам было предложено записать на диктофон своего смартфона или ноутбука несколько предложений из предоставленного текста и прочитать их вслух.
И мужчины, и женщины с сахарным диабетом 2 типа были старше (средний возраст женщин составил 49,5 лет, а мужчин — 47,6 лет), и у них чаще встречалось ожирение (средний индекс массы тела у женщин составил 35,8 кг/м², а у мужчин — 32,8 кг/м²). Для сравнения, у людей без сахарного диабета 2 типа этот показатель был ниже: 28 кг/м² у женщин и 28 кг/м² у мужчин.
Из 607 записей алгоритм искусственного интеллекта проанализировал изменения высоты, интенсивности и тона голоса, чтобы отличить людей с диабетом от тех, у кого его нет.
Это было сделано с помощью двух передовых методов. Один из них фиксировал до 6000 подробных вокальных характеристик. А другой — более сложный подход глубокого обучения — фокусировался на уточнённом наборе из 1024 ключевых функций.
Эффективность лучших моделей была оценена по нескольким факторам риска развития диабета, таким как возраст, индекс массы тела (ИМТ) и гипертония. Результаты были сопоставлены с надёжным инструментом Американской диабетической ассоциации (ADA), который используется для оценки риска развития сахарного диабета 2 типа (СД2).
Голосовые алгоритмы продемонстрировали высокую точность прогнозирования, верно определив 71% случаев сахарного диабета второго типа у мужчин и 66% случаев у женщин. Модель особенно хорошо справлялась с задачей у женщин в возрасте 60 лет и старше, а также у людей, страдающих гипертонией.
Кроме того, 93% участников согласились с оценкой риска, которую дала ADA на основе анкеты. Это показывает, что голосовой анализ и широко распространённый инструмент скрининга могут быть одинаково эффективными.
«Наши результаты показывают большой потенциал, но необходимо провести дополнительные исследования и проверки, чтобы этот подход можно было использовать как основной метод скрининга диабета и уменьшить количество невыявленных случаев диабета 2 типа и преддиабета», — заявил соавтор исследования доктор Гай Фагерацци (Guy Fagherazzi) из Люксембургского института здравоохранения (Luxembourg Institute of Health).
Литература:
Abstract no: OA4655 “Detection of bronchopulmonary dysplasia (BPD) in preterm infants with an artificial neural network (ANN) trained using air flow time series (TS) measured during tidal breathing (Tb)”, by Edgar Delgado-Eckert et al; Presented in session, “Assessment of ventilation in awake and sleeping children” at 11:00-12:15 CEST on Tuesday 10 September 2024.
[k4.ersnet.org/prod/v2/Front/Pr … ?e=549&session=17949]