AI可以在10秒内通过你的声音诊断2型糖尿病

参与最近一项研究的研究人员训练了一个人工智能(AI) 模型，在听患者声音 6 到 10 秒后诊断2 型糖尿病。

加拿大医学研究人员训练机器学习人工智能来识别 2 型糖尿病患者与非糖尿病患者声音中的 14 种声音差异。

人工智能关注的听觉特征包括音调和强度的细微变化，而人耳无法区分这些变化。然后将其与研究人员收集的基本健康数据配对，例如年龄、性别、身高和体重。

研究人员认为，将大大降低糖尿病患者的诊断成本。

人们通常需要亲自接受糖尿病前期和 2 型糖尿病检测，包括血液检查等诊断检测。人工智能将使诊断能够远程自动进行。

该论文的第一作者、计划销售该软件的 Klick Labs 的研究科学家 Jaycee Kaufman 解释说：“我们的研究强调了 2 型糖尿病患者和非 2 型糖尿病患者之间显着的声音差异。”

关于该公司的人工智能，考夫曼希望它将“改变医学界筛查糖尿病的方式”。

目前用于诊断2型糖尿病的常见测试包括糖化血红蛋白(A1C)测试、空腹血糖(FBG)测试和口服葡萄糖耐量测试(OGTT)，这些测试都是现场测试。

考夫曼补充道：“当前的检测方法可能需要大量的时间、旅行和成本。语音技术有可能完全消除这些障碍。”

加拿大 Klick 应用科学公司的科学家与加拿大安大略理工大学的教师合作，使用印度人的 267 段录音来训练人工智能。

大约 72% 的参与者(79 名女性和 113 名男性)已被诊断为非糖尿病患者。其他参与者(18 名女性和 57 名男性)被诊断患有 2 型糖尿病。

所有参与者在两周内每天录制一个短语六次，总共录制了 18,000 段录音。然后，科学家们确定了 2 型糖尿病患者和非 2 型糖尿病患者之间的 14 种声音差异。

其中四个差异有助于人工智能更准确地诊断 2 型糖尿病。人工智能能够更准确地诊断女性。89% 的女性和 86% 的男性被诊断出患有 2 型糖尿病。

研究结果发现，“音调”和“音调标准差”是诊断所有参与者病情的有用特征，然而，“相对平均扰动抖动”对女性更有用。“强度”和“11 点​​振幅扰动商闪光”对于诊断男性非常有用。

研究指出：“对于女性，预测特征是平均音高、音高 SD 和 RAP 抖动，而对于男性，则使用平均强度和 apq11 闪光。简单来说，这些特征的变化发现，患有 T2DM 的女性报告音调稍低，变化较小，而患有 T2DM 的男性报告声音稍弱，变化较多。这些差异可能源于性别之间疾病症状表现的差异。”

考夫曼评论说，通过人工智能信号处理发现的男性和女性声音之间的这些差异“令人惊讶”。

研究人员得出结论：“声音分析显示出作为 T2DM 预筛查或监测工具的潜力，特别是与与该疾病相关的其他风险因素相结合时。”